Renaud Heitz

Et donc quand on commence à calculer en temps de parcours, alors si c'est en temps de parcours dans un trafic fluide, c'est facile, puisqu'on a juste à convertir les kilomètres en temps avec la vitesse.

Par contre quand on est dans un trafic super dense, comme c'est le cas avec nos robots, là les algos deviennent beaucoup plus rigolos, beaucoup plus intéressants et beaucoup plus difficiles.

Et là, par contre, on n'est pas sur du parfait.

Là, chaque entreprise va avoir sa secret sauce pour réussir à trouver le meilleur chemin temporel.

Mais c'est trop compliqué.

Ça n'a pas été théorisé.

Si, ça a été théorisé, mais dans des choses qu'on n'arrive pas à résoudre en temps réel.

Si vous voulez qu'on aille un peu plus dans la théorie, elle est rigolote.

On fait un graphe qui est spatial.

Et là, on s'est trouvé le plus court chemin.

Si je veux rajouter le temporel, je vais rajouter des graphes, je vais redupliquer ces graphes toutes les, par exemple, demi-seconde.

Et je vais faire un parcours de graphes qui, au lieu d'être que spatial, va aussi être temporel, dans lequel je vais faire les mêmes algorithmes de calcul du plus court chemin, mais en prenant en compte cette dimension.

Mais ça fait des graphes qui, du coup, sont très grands et qu'on n'arrive pas à résoudre en temps réel.

En temps réel, sauf ?

Chez Exotech.

Alors, on va le parcourir, mais on ne va pas avoir une garantie d'avoir trouvé le meilleur du meilleur, mais on va en trouver un très bon en temps réel.

Ok, c'est hyper intéressant, vraiment.

Et ça se rapproche des théories, quand on utilise du machine learning, etc.

Pareil, on n'a pas un optimum global du monde entier, on a une très bonne solution en temps réel.

Et donc, ça a bien un rapport.