Bitsensing propose une meilleure solution radar

Nuage de pixels à code couleur généré par le système AIR4D (Photo : Bitsensing)

Bitsensing est une entreprise sud-coréenne qui travaille sur une technologie radar de nouvelle génération pouvant être appliquée à de nombreux secteurs d'activité et applications, notamment l'automobile/les transports, la gestion du trafic et la santé.

L'idée fondamentale de cette technologie est que le radar, en tant qu'outil de détection, peut offrir des performances bien supérieures aux systèmes radar 2D actuels. Pour proposer ces fonctionnalités améliorées, Bitsensing travaille à l'optimisation de la conception des capteurs, jusqu'à la mise au point de systèmes prêts à la production intégrant ces nouvelles capacités.

lancement de nouveau produit

En mai dernier, la société a présenté son tout dernier système AIR4D. Comme son nom l'indique, ce système exploite les données 2D de base fournies par les systèmes radar classiques pour offrir une représentation 4D haute résolution de l'environnement du véhicule. Grâce aux nuages de points, aux informations Doppler et à d'autres données de capteurs, cette technologie fournit la distance, la vitesse et, surtout, l'altitude des objets situés à proximité du véhicule.

En combinant ces données avec celles collectées par les systèmes de vision embarqués grâce à l'IA, on peut utiliser ces informations pour construire une base de données capable de classifier des objets spécifiques au fur et à mesure qu'ils sont rencontrés.

Jaewoo Oh, Bitsensing

« Concrètement, nous fournirions notre solution radar à un équipementier de premier rang qui intégrerait nos capteurs et technologies connexes dans sa pile informatique embarquée, laquelle serait ensuite livrée au constructeur automobile », a expliqué Jaewoo Oh, responsable du développement commercial chez Bitsensing, lors d'un entretien avec Power Progress au salon IAA Transportation 2026 à Hanovre, en Allemagne.

Outre l'interrogation des objets extérieurs, le système AIR4D peut également servir d'outil ADAS (système avancé d'aide à la conduite). De la même manière que cette technologie peut être utilisée dans le domaine de la santé pour surveiller un patient sans fil, une fonctionnalité similaire peut être employée pour surveiller l'état et les performances du conducteur.

« Je crois savoir que certaines des plus grandes entreprises de rang 1 fournissent déjà des solutions radar à leurs clients OEM, incluant des fonctions ADAS », déclare Oh.

Ce système a toutefois été principalement développé pour favoriser l'autonomie des véhicules. « Nous nous concentrons résolument sur la conduite autonome », explique Oh. « Pour y parvenir, nos systèmes fournissent bien plus d'informations que ceux actuellement disponibles sur le marché. »

données de nuage de points

Une vidéo présentée sur le stand Bitsensing au salon IAA Transportation montrait l'enregistrement en temps réel des données générées par le système embarqué tandis que le véhicule évoluait dans son environnement immédiat. La précision était telle que, même à partir de ces seuls pixels, il était possible de distinguer des bâtiments, des intersections, d'autres véhicules et des piétons.

Interrogé sur la capacité du système à analyser toutes ces données en temps réel, Oh a expliqué que des travaux étaient en cours en coulisses pour optimiser la reconnaissance du système. « Plus de 60 ingénieurs – soit environ 80 % de nos effectifs – travaillent sur l’analyse des signaux. La perception par le système n’est pas instantanée ; un travail considérable est nécessaire en amont. »

Là où un système basé sur une caméra ne détecte pas les obstacles en raison d'une mauvaise visibilité, le système radar de Bitsensing repère le problème, et ce, à une distance bien plus importante.

Oh explique que l'équipe d'ingénierie bénéficie d'une certaine aide de l'IA, mais que pour l'instant, elle n'a qu'un rôle de soutien. « Nous n'utilisons pas encore l'IA dans notre système », précise-t-il. « Nous fournissons des informations pour l'apprentissage de l'IA, qui seront ensuite assimilées par l'intégrateur. Les nuages de points alimenteront cet apprentissage ; en identifiant les problèmes, nous saurons ce qui fonctionne. »

« Nous avons un système actuellement en phase de test aux États-Unis. Nous pensons que notre solution est supérieure aux autres pour la prise en charge de l'apprentissage de l'IA, ce qui la rend intrinsèquement meilleure que les systèmes déjà intégrés aux véhicules aujourd'hui. »