Na última década, investigadores de inteligência artificial impulsionados pela Google, Facebook e outras grandes empresas tecnológicas e universidades de todo o mundo, desenvolveram novas técnicas de IA e algoritmos que nos conduziram àquilo que alguns especialistas já chamam de quarta revolução.

A medicina, o transporte, a cibersegurança, as comunicações, as finanças e muitos outros setores podem beneficiar da Inteligência Artificial, e não se trata de qualquer tipo de ficção científica. A indústria aerospacial também se juntou a este movimento e a GMV não se deixou ficar para trás nesta matéria. Em particular, a GMV lidera os projetos SAFETERM e AI-GNCAir para a Agência Europeia de Defesa (EDA). Estes esforços são dois dos ativos mais inovadores da GMV neste setor.

SAFETERM tem como objetivo usar a Inteligência Artificial (IA) para melhorar os Sistemas de Terminação de Voo (FTS), atualmente utilizados em operações de Sistemas de Aeronaves Pilotadas à Distância (RPAS). O principal requisito do sistema SAFETERM é aumentar o nível geral de segurança na gestão de situações de emergência em que ocorra perda de C2Link. Nesta situação, o Piloto Comandante (PiC) não será capaz de interagir com a plataforma e, sendo incapaz de chegar a Áreas de Terminação de Voo predeterminadas, irá necessitar de definir uma nova área segura de aterragem, mediante técnicas de visão computorizada.

A visão computorizada (CV) foca-se, principalmente, na forma como os computadores podem ganhar compreensão de alto nível sobre o que os rodeia mediante imagens digitais ou vídeos. Dito de forma mais simples, as técnicas de Visão Computorizada procuram ajudar os computadores a “ver” o mundo real.

Como seres humanos, esta tarefa poderá parecer um desafio acessível, mas a perceção da visão num mundo físico dinâmico com capacidade quase infinita para a variação é um tema extremamente complexo que não pode ser encarado de forma ligeira.

A visão computorizada enquanto setor é uma fronteia intelectual. Como qualquer fronteira, é emocionante e desorganizada, e muitas vezes não há qualquer autoridade à qual recorrer. Muitas ideias úteis não têm fundamentação teórica, e algumas teorias são inúteis na prática. As áreas desenvolvidas estão muito espalhadas e parecem ser, muitas vezes, completamente inacessíveis umas das outras.

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

Neste ponto, é importante ter em atenção que a visão computorizada não é o mesmo que o processamento de imagem. Este último está mais relacionado com a criação de uma nova imagem a partir de uma existente mediante algum tipo de melhoria ou simplificação de dados. Poderíamos dizer que o processamento de imagem é o primeiro passo para preparar a introdução de dados para o fluxo de trabalho da Visão Computorizada.

Entre todas as aplicações possíveis de CV, o SAFETERM baseia-se no reconhecimento da área: que áreas estão na imagem e onde é que estão. Neste projeto, outro dos objetivos da EDA é ponderar os desafios da utilização de tecnologia de IA na aviação. É possível desenvolver um verdadeiro software e hardware de aviónica seguindo os standards da aviação, que avaliem os itens e pontos-chave da certificação para esses sistemas incorporados baseados em IA.

O projeto AI-GNCAir envolve outro tipo de técnica, foca-se na fusão de dados de autolocalização, tendo como origem os sensores ar-veículo. “Técnicas de tomada de decisão autónoma e automatizada para sistema tripulado & não tripulado” e “controlo e cooperação entre diversos robots” são os objetivos do projeto, no qual os sistemas da GMC serão melhorados usando técnicas de Inteligência Artificial para gestão de dados e da informação.

Neste campo, as questões de segurança são de vital importância. De forma confidencial, sem permissão de interferências externas, integridade, salvaguarda da precisão dos dados à medida que se move nos fluxos de trabalho e disponibilidade, uma vez que os fluxos de dados nunca devem ser interrompidos. Os algoritmos de AI devem ser capazes de reconhecer interferências de sinal, leituras incorretas de sensores ou até prever dados que possam faltar devido a algum dos fatores referidos.

Alguns dos campos em que o AI-GNVAir se foca são gravações robustas de dados, protocolos de fusão eficiente de dados, gestão de complexidade computacional de fusão de dados ou seleção de sensor dinâmico para disponibilidade contínua de dados.

A inteligência artificial e a aprendizagem por máquinas são termos genéricos para uma grande variedade de processamento de dados, técnicas de controlo e otimização aplicável a quase todas as indústrias ou sistemas. Os veículos aéreos podem beneficiar destas tecnologias inovadoras que irão conduzir a maior autonomia, segurança e que irão permitir aos operadores humanos proporcionar decisões de alto nível e controlo de supervisão.

Autores: Javier Ferrero e Eugenio Sillero.