E31 Position et emplacement

Topique

La localisation consiste à déduire la position absolue ou relative d'un organisme, ou de sa proie, à partir des signaux physiques déjà établis par un autre modèle de ce système. Les principales méthodes physiques utilisées pour cette localisation sont la triangulation par différence de temps d'arrivée d'un signal entre plusieurs capteurs, l'intensité de ce même signal reçu et l'accumulation d'une position par intégration continue d'une vitesse – l'odométrie qu'un organisme en mouvement porte, en quelque sorte, au sein de son propre système vestibulaire, déjà établi par un autre modèle de ce système.

Cette triangulation par différence de temps d'arrivée transforme ainsi chaque différence de temps entre deux capteurs distincts en une courbe hyperbolique de position possible pour ce même signal. C'est l'intersection de deux ou plusieurs de ces courbes hyperboliques qui permet de localiser la source du signal. Le système auditif binaural humain utilise, pour cette même localisation, à la fois la différence de temps interaurale déjà établie par un autre modèle de cet ensemble et une différence de niveau interaurale entre les deux oreilles. Il parvient ainsi à localiser une source sonore avec une précision angulaire considérable dans le plan horizontal entourant cet individu. La facilité de détection de cette différence de temps interaurale entre les deux oreilles contribue à la précision de la localisation de la source sonore.

Le filtre de Kalman, déjà établi par un autre modèle de cet ensemble, est l'estimateur optimal pour un système linéaire avec bruit gaussien appliqué ici à cette même localisation. Ce filtre combine donc la prédiction d'un modèle dynamique interne de cet organisme avec la correction apportée par chaque nouvelle mesure sensorielle, en pondérant chacune de ces deux sources selon son incertitude. De nombreux systèmes neuronaux biologiques mettent donc en œuvre des calculs analogues à ce filtre de Kalman pour intégrer les signaux du système vestibulaire (déjà modélisés par un autre modèle de ce système), les signaux visuels (déjà modélisés par un autre modèle de ce système) et les signaux proprioceptifs d'un même organisme. Le fait que l'incertitude de l'une de ces sources d'information soit inférieure à celle des autres signifie que, selon ce même filtre de Kalman, la position finale de l'organisme dépend davantage de la source la moins incertaine que des autres sources disponibles.

La borne de Cramér-Rao, celle-là même qui établit déjà un autre modèle de ce système, fixe la limite inférieure de la variance du meilleur estimateur possible appliqué ici à cette même triangulation par différence de temps d'arrivée : une plus grande bande passante de ce signal, associée à un meilleur rapport signal/bruit, améliore par conséquent la localisation finale de la source du signal. Un dauphin ou une chauve-souris utilise donc des impulsions à large bande passante précisément pour maximiser l'information de Fisher déjà établie par un autre modèle de cet ensemble, et par là même, la précision de son écholocation des proies en mouvement, décrite plus en détail par un autre modèle de cet ensemble. Le fait que la bande passante de ces impulsions d'écholocation soit plus large chez la chauve-souris signifie que, selon la même borne de Cramér-Rao, la précision finale de la localisation de sa proie est encore améliorée.

Ainsi, ce modèle, avec sa triangulation par différence temporelle et son filtre de Kalman, permet à une carte d'occupation probabiliste d'accumuler des données sensorielles au fil du temps afin de construire une représentation spatiale complète de cet environnement : chaque cellule de cette carte accumule la probabilité d'être occupée par des mises à jour bayésiennes successives, exactement selon la même règle de Bayes déjà établie par un autre modèle de cet ensemble. Cette même approche est donc robuste à la fois face au bruit déjà établi par un autre modèle de cet ensemble et face à une occlusion momentanée du signal, et constitue finalement la base de la navigation autonome d'un robot et, probablement, de l'exploration active d'un mammifère dans son environnement. Le fait que cet organisme accumule des données sensorielles sur cet environnement sur une période plus longue signifie que, par conséquent, cette carte probabiliste d'occupation de cet environnement devient de plus en plus précise et complète.

ID:2392