YMAG.media
Кто за штурвалом? - фото Кто за штурвалом? - фото

Кто за штурвалом?

# Электроника

Судостроение и судоходство — довольно консервативные отрасли. Большинство судов до сих пор крепят к берегу «веревками». Вовсю используются радары, хотя их не назовешь абсолютно надежным средством идентификации объектов. Одним из решений стало применение самоидентификации, в частности систем AIS, в которых приемопередатчик сообщает данные вашего судна остальным судам. Обязательные в коммерческом судоходстве AIS довольно дороги для небольших прогулочных судов, да еще требуют лицензирования, как любое радиоустройство. Это только один из барьеров на пути к автономному судоходству. В зонах активного движения малых судов присутствует элемент хаоса; шкиперы нередко нарушают правила расхождения, при этом на радарах и цифровых системах обнаружения их судно не видно. Получается, что безопасно дистанционно управлять плавсредствами можно только в удаленных районах либо в строго контролируемых зонах.

ИИ-помощник

Автомобильная отрасль давно решает похожую задачу, и можно ожидать переноса подобных технологий в судостроение. Речь в первую очередь о компьютерном зрении. Мы не можем увидеть объект на радаре, но в состоянии физически разглядеть его, например, с помощью качественной оптики. Дальше надо обучить искусственный интеллект (ИИ) на базе размеченных изображений распознавать эти объекты. В проекте Sea Machines (США) было использовано более 10 млн снимков примерно 100 млн различных идентифицированных водных и береговых объектов — от навигационных знаков и маяков до спасательных плотов и плавающих людей. И эта база постоянно пополняется.

Компьютерная идентификация судов — перманентный процесс, направленный на пополнение базы данных

Казалось бы, для применения этой системы на судне необходимо сделать всего три вещи: 1) установить камеры кругового обзора для получения изображений; 2) создать модель ИИ, которая будет обрабатывать визуальные данные и добавлять новые; 3) разработать алгоритм действий применительно к назначению судна и условиям его движения. Однако на практике этого недостаточно. В идеале требуется интеграция с другими судовыми и береговыми системами: радаром, AIS, навигационными картами, тепловизором, метеодатчиками, датчиками освещения, системой автоматического оповещения о событиях и погоде и т.  д. Если мы хотим, чтобы система сама управляла судном, нужна интеграция с органами управления, системой аварийно-­предупредительной сигнализации…

Компьютерное зрение

Специалисты рассматривают несколько степеней автономности управления — от ручного до полностью автоматического, без вовлечения человека. Степени внутри различаются уровнем автоматизации (низкий, частичный, контекстный, высокий), источниками данных (вводятся вручную, собираются только на судне, собираются на судне и от внешних источников) и степенью вовлеченности человека (принимает решение сам, опирается на подсказки систем разного уровня, допускает автоматическое управление в контекстных ситуациях, наблюдает за системой с правом перехвата управления, периодически контролирует ситуацию, полностью доверяет принятие решений автоматике).

Применение ИИ с компьютерным зрением позволяет повысить степень автоматизации судна на два-три уровня: в зависимости от назначения судна и района плавания степень автономности может быть 4–6‑го уровня. Однако на данной стадии развития технологий и методов оцифровки участников движения переход на более высокие уровни без применения компьютерного зрения невозможен.

В рамках проекта Sea Machines разработчики такого ИИ сделали сравнительный анализ эффективности его применения по отношению к традиционным системам наблюдения за морем и управления судном. Исследования проводились днем, в темное время и в тумане. Оценивалась способность вахты своевременно обнаруживать разные суда, навигационные знаки и плавающие объекты, включая льдины, а также принимать соответствующие обстановке решения. Учитывая, что компьютер не устает и работает в режиме 24/7, производительность труда экипажа с ИИ с компьютерным зрением существенно выросла. Повысилась безопасность, увеличилась скорость доставки груза, снизились операционные затраты. В ряде случаев речь может идти об уменьшении количества людей на вахте, снижении требований к их квалификации или о передаче управления судном на отдельных участках береговой службе, когда один человек ведет сразу несколько судов (по аналогии с авиадиспетчерами).

Компьютерное зрение поможет в управлении автономным судном  вне зависимости от места нахождения диспетчера

Еще не завтра

Означает ли это наступление эры беспилотных судов? Нет, еще предстоит решить много технических проблем и создать тематические банки изображений. Так, например, объекты могут сильно различаться в зависимости от освещения, сезона и т.  д. Точность систем может падать при отключении ­каких-либо системных комплексов, например GPS.

Кроме того, чем больше мы стремимся к интуитивно понятному интерфейсу (особенно для неквалифицированного пользователя), тем более сложным становится алгоритм программы. А уже давно известно, что для рядового человека сложно функционирующая система сродни магии. Чем больше строчек в коде, тем сложнее его править и обновлять, тем больше вероятность, что будет упущена ­какая-либо взаимосвязь или система на новую контекстную ситуацию отреагирует неадекватно. В авиации был случай, когда компьютер продолжал обрабатывать сигнал от неисправного датчика, что привело к катастрофе с человеческими жертвами.

Остановить прогресс нельзя и не нужно. Но нынешним и будущим капитанам необходимо учиться критическому мышлению и… осваивать навыки ручного управления судном с прокладкой курса. Может пригодиться.

Похожие статьи