GMV promuje wdrożenie technologii Sztucznej Inteligencji w systemach awionicznych

W ciągu ostatniej dekady badacze sztucznej inteligencji korzystający z usług Google, Facebooka i innych dużych firm technologicznych i uniwersytetów na całym świecie opracowali nowe techniki i algorytmy z zakresu sztucznej inteligencji, które doprowadziły nas do sytuacji, jaką niektórzy eksperci nazywają mianem czwartej rewolucji.

Medycyna, transport, cyberbezpieczeństwo, komunikacja, finanse i wiele innych dziedzin może czerpać korzyści ze sztucznej inteligencji i nie jest to bynajmniej żadnego rodzaju fantastyka naukowa. Przemysł lotniczy także podąża za tymi trendami, zaś firma GMV również nie pozostaje w tyle. GMV przewodzi bowiem projektom SAFETERM i AI-GNCAir, realizowanym na zlecenie Europejskiej Agencji Obrony (EDA). Te przedsięwzięcia to dwa z najnowocześniejszych atrybutów firmy GMV w tej dziedzinie.

SAFETERM ma na celu wykorzystanie sztucznej inteligencji (AI) do udoskonalenia Systemów Przerwania Lotu (FTS), które są obecnie stosowane w ramach eksploatacji Zdalnie Sterowanych Systemów Lotniczych (RPAS). Głównym wymogiem systemu SAFETERM jest zwiększenie ogólnego poziomu bezpieczeństwa w obsłudze sytuacji awaryjnych, w których występuje utrata łącza C2Link. W tej sytuacji kapitan statku powietrznego (PiC) nie będzie w stanie wchodzić w interakcje z platformą i, wobec niemożności dotarcia do wcześniej określonych stref przerwania lotu, będzie musiał zdefiniować nowy odpowiedni i bezpieczny obszar lądowania za pomocą technik wizji komputerowej.

Wizja Komputerowa (CV) koncentruje się głównie na sposobie, w jaki komputery mogą uzyskać wiedzę na wysokim poziomie o otaczającym obszarze za pomocą cyfrowych obrazów lub filmów. Mówiąc prościej, techniki wizji komputerowej mają na celu pomóc komputerom „widzieć” prawdziwy świat. Jako istotom ludzkim zadanie to może się nam wydawać łatwym wyzwaniem, jednak percepcja wizualna w dynamicznym świecie fizycznym o niemal nieskończonej zdolności do zmian jest sprawą wysoce złożoną, której nie należy lekceważyć.

Wizja komputerowa jako dziedzina stanowi pewną granicę intelektualną do zdobycia. Jak każda granica, jest ona pasjonująca i zdezorganizowana i często nie istnieje żaden wiarygodny autorytet, do którego można by się w tej kwestii odwołać Wiele przydatnych pomysłów nie ma podstaw teoretycznych, a niektóre teorie okazują się w praktyce bezużyteczne; rozwinięte obszary są bardzo rozproszone i często wydają się wzajemnie względem siebie całkowicie niedostępne.

— Page xvii, Computer Vision: A Modern Approach, 2002.

W tym miejscu należy wciąć pod uwagę fakt, iż wizja komputerowa to nie to samo, co przetwarzanie obrazu. To ostatnie jest bardziej związane z tworzeniem nowego obrazu na podstawie już istniejącego, poprzez pewnego rodzaju udoskonalenie lub uproszczenie danych. Można powiedzieć, że przetwarzanie obrazu jest pierwszym krokiem do przygotowania danych wejściowych do przepływu pracy w obrębie Wizji Komputerowej.

Spośród wszystkich możliwych aplikacji Wizji Komputerowej, SAFETERM opiera się na rozpoznawaniu obszaru: jakie obszary znajdują się na obrazie i gdzie występują. W ramach tego projektu kolejnym celem EDA jest rozważenie wyzwań związanych z wykorzystaniem technologii sztucznej inteligencji w lotnictwie. Istnieje możliwość opracowania prawdziwego sprzętu i oprogramowania z zakresu awioniki zgodnie ze standardami lotniczymi, które oceniają elementy i fazy certyfikacji dla tych systemów wbudowanych opartych na sztucznej inteligencji.

Projekt AI-GNCAir wykorzystuje inny rodzaj technologii; skupia się na fuzji danych o samodzielnej lokalizacji, pochodzących z czujników pojazdów powietrznych. „Autonomiczne i zautomatyzowane techniki podejmowania decyzji dla systemów bezzałogowych & załogowych” oraz „sterowanie i współpraca wielu robotów” to cele projektu, w ramach którego systemy GNC ulegną udoskonaleniu poprzez wykorzystanie technik sztucznej inteligencji do zarządzania danymi i informacjami.

W tej dziedzinie ogromne znaczenie mają aspekty dotyczące bezpieczeństwa. Są nimi: poufność, zapobiegająca zewnętrznym zakłóceniom; integralność, chroniąca dokładność danych podczas ich przechodzenia przez przepływy pracy; oraz dostępność, gdyż przepływ danych nie powinien nigdy ulec przerwaniu. Algorytmy sztucznej inteligencji muszą być w stanie rozpoznawać zakłócenia sygnału, nieprawidłowe odczyty z czujników, a nawet przewidywać dane, których może brakować ze względu na którykolwiek z wyżej wymienionych czynników.

Niektóre z dziedzin, na których koncentruje się AI-GNCAir, to solidne rejestracje danych, wydajne protokoły fuzji danych, zarządzanie złożonością obliczeniową fuzji danych lub dynamiczny wybór czujników w celu zapewnienia ciągłej dostępności danych.

Sztuczna inteligencja i uczenie maszynowe to ogólne terminy określające szeroką gamę technik przetwarzania, kontroli i optymalizacji danych, które mają zastosowanie w niemal każdej branży i systemie. Pojazdy powietrzne mogą skorzystać na tych zaawansowanych technologiach, które zapewnią większą autonomię i bezpieczeństwo oraz umożliwią operatorom ludzkim dostarczanie większej ilości informacji wyższego poziomu oraz lepszą kontrolę nadzorczą.

Autorzy: Javier Ferrero i Eugenio Sillero.