Hvordan autonome skibe kan føre til sikrere vandveje

Selv radar, navigationssystemer, GPS -sporing og radiokommunikation forhindrer ikke skibe i at kollidere. I 2017, kollisioner og grundstødninger udgjorde næsten 40% af alle søulykker, og over halvdelen af ​​de samlede tab. Disse hændelser var primært forårsaget af menneskelige fejl.

Forskere ved USC Viterbi School of Engineering forsøger at fjerne, eller i det mindste minimere, behovet for menneskelig beslutning inden for skibsfart. De udvikler et automatiseret system, der i stedet er afhængig af både dataanalyse og kunstig intelligens.

"En hovedintention for autonome skibe er virkelig af sikkerhedsmæssige årsager, "sagde professor Yan Jin, medlem af Institut for Luftfarts- og Maskinteknik og projektleder. "Vi er alle mennesker, og nogle gange begår vi fejl på grund af forskellige situationer. Men hvis vi har et autonomt slags beslutningsprogram, det ville konstant komme med forslag til mennesker. "

At kende placeringen af ​​andre skibe og genstande, deres system kan forudsige skibets bevægelser og bestemme deres bedst mulige handlemåde, der minimerer risikoen for kollision.

Maskinteknik Ph.D. studerende Xiongqing "Vincent" Liu var ansvarlig for udviklingen af ​​AI -delen af ​​deres system. I første omgang, han planlagde at bruge data om, hvordan skibskaptajner kører og undgå kollisioner for at træne sit system til at gentage denne adfærd.

Imidlertid, ikke i stand til at få disse data, han vendte sig til en anden machine learning -metode kaldet forstærkningslæring. Denne metode bruger simuleringer af forskellige sejlsportsscenarier til at lære computeren, hvordan man opnår sit mål om ikke at ramme et andet objekt.

"Først ved computeragenten ikke noget. Den skal udforske det simulerede miljø af sig selv, "Sagde Liu." Hvis agenten støder på forhindringerne, så vil den modtage en negativ straf. Men hvis det når målet, så modtager den en meget positiv belønning. "

Efter at have kørt simuleringen tusinder af gange, agenten lærer af sine tidligere erfaringer, hvilken bane han skal tage for at undgå en kollision, ligner hvordan et menneske lærer.

"Fra denne proces, vi kan demonstrere det, som agenten træner sig selv, det kan generere en vis intelligens. Og denne form for intelligens er, hvad mennesker bruger til at træffe beslutninger - det er en slags deres intuition. Og denne form for menneskelig intuition kan læres af en computeragent, "Sagde Liu.

Men AI-systemet alene er ikke fuldstændigt fejlsikkert. Den er afhængig af scenarierne Liu -input, mens store variationer af dem kan forårsage forvirring og føre til en farlig bane. Og selvom Liu arbejder på at udvide AI's muligheder ud over disse programmerede scenarier for at inkorporere alle mulige situationer, der kan opstå, der vil altid være huller i dens viden.

Analysemodellen, udviklet af aerospace engineering Ph.D. studerende Edwin Williams, hjælper med at udfylde nogle af disse huller. Hans system bruger historiske sejladsdata tilbage over 20 år om tidligere skibs beslutninger og resultater til at forudsige, hvad andre fartøjer vil gøre.

"Du kan forestille dig, at der er et uendeligt antal baner, som fartøjet kunne tage. Men hver af disse uendelige baner har en vis sandsynlighed for at blive taget, "Sagde Williams.

"Hvad mit system gør, er at se på hele sandsynligheden for, hvad disse baner er og derefter bestemme minimumssandsynligheden for, hvor det andet fartøj vil være til enhver tid."

Dette fortæller dem, hvilken vej der har den laveste sandsynlighed for, at der opstår en kollision. Men systemet er udelukkende afhængigt af kvaliteten og mængden af ​​data, det har. Jo mere specifikke dataene er - sig f.eks. hvilken kaptajn kørte skibet - jo mere præcis bliver forudsigelsen.

Ud over at hjælpe til marinefartøjer, hans arbejde er i begyndelsen af ​​anvendelsen af ​​lufttrafikstyring og rumfartstrafikstyring.

I simuleringer, hans system har haft en 100 procent succesrate for at undgå havkollisioner. Men, ligesom AI, det er begrænset af scenarierne fra dataene. Ved at bruge de to systemer sammen, de har et ekstra lag af sikkerhed, hvis der opstår en uventet situation.

"Fra at lave denne forskning indser vi, at når du har to slags systemer, hvis de ikke er konsekvente, så skal du rådgive, "sagde Jin.

"Hvis der er en person der, det er fantastisk. Hvis der ikke er nogen person der, så er du nødt til at udtænke en anden tilgang eller algoritme for virkelig at forstå eller løse denne uoverensstemmelse. Derefter, beslutningen efter denne beslutning er sikrere.

De er nu ved at afslutte et treårigt tilskud finansieret af Maritime Technology Division i Monohakobi Technology Institute i Japan. Om sommeren, de vil begynde endnu et treårigt tilskud til at fortsætte deres arbejde og udvikle systemet endnu mere. Ved slutningen af ​​den tid, de planlægger at udføre en test i fuld skala ved hjælp af instituttets skibsmanøvreringssimulatorer.