Είναι ήδη δυνατή η υποστήριξη έξυπνων αποφάσεων στη γέφυρα: Με την τεχνολογία του Furuno , ζωντανές εικόνες βίντεο της μπροστινής όψης από το σκάφος έχουν επάλληλες πληροφορίες πλοήγησης, όπως κατεύθυνση, δεδομένα AIS, παρακολούθηση στόχου ραντάρ, αναγνώριση αντικειμένων, σημείο διαδρομής και πληροφορίες χάρτη .
Το σύστημα υποστήριξης γέφυρας της SEA.AI μπορεί να αναγνωρίσει μεγαλύτερα σκάφη που δεν διαθέτουν AIS έως εμβέλεια 7,5 χιλιομέτρων (σχεδόν πέντε μίλια), μικρότερα πλοία σε απόσταση έως 3 χιλιόμετρα (σχεδόν 2 μίλια) και flotsam έως 700 μέτρα (σχεδόν μισό μίλι). ) μακριά.
Η ενίσχυση της επίγνωσης της κατάστασης ενός φύλακα με την τεχνολογία μπορεί να μειώσει την κούραση και να τον βοηθήσει να λάβει καλύτερες αποφάσεις, νωρίτερα. Αλλά δεν είναι εύκολο να αυξήσεις τις δεξιότητες ενός έμπειρου φύλακα. Καταβάλλεται μεγάλη προσπάθεια για τη δημιουργία της βάσης γνώσεων που υποστηρίζει την ψηφιακή ερμηνεία των πληροφοριών.
Ένα από τα πιο συνηθισμένα ερωτήματα που λαμβάνει η SEA.AI αφορά την ικανότητα του συστήματός της να ανιχνεύει ημι-βυθισμένα εμπορευματοκιβώτια. Ο εντοπισμός ενός πλωτού δοχείου είναι ως επί το πλείστον απλός λόγω του μεγαλύτερου μεγέθους του σε σύγκριση με τις σημαδούρες, της άκαμπτης ορθογώνιας δομής του και της διαφοράς θερμοκρασίας μεταξύ του δοχείου και του περιβάλλοντος νερού. Ωστόσο, οποιοδήποτε αντικείμενο μπορεί να παρουσιάζει σημαντικές διακυμάνσεις ανάλογα με τη γωνία θέασης, την απόσταση, τις συνθήκες της θάλασσας, το επίπεδο βύθισης, τον προσανατολισμό στο νερό, την ώρα της ημέρας, τις καιρικές συνθήκες, την ένταση του ηλιακού φωτός, τον χωρικό προσανατολισμό και την κλίση, μεταξύ άλλων μεταβλητών. Ως αποτέλεσμα, για να αναγνωρίσει με σιγουριά ένα αντικείμενο, το SEA.AI απαιτεί συχνά στοιχεία από εκατοντάδες χιλιάδες εικόνες.
Η εταιρεία τεχνολογίας Orca AI έχει κοστολογήσει τα οφέλη από τη χρήση ψηφιακής υποστήριξης για την αποφυγή απότομων ελιγμών και αποκλίσεων διαδρομής. Ένας πελάτης, η Seaspan Corp , κατέγραψε μείωση 19% στις κοντινές συναντήσεις και αύξηση 20% στην ελάχιστη μέση απόσταση από άλλα σκάφη, οδηγώντας σε εκτιμώμενη ετήσια εξοικονόμηση καυσίμου 100.000 $ ανά σκάφος χρησιμοποιώντας τον βοηθό πλοήγησης της Orca AI.
Ο CEO της Shipin Systems, Osher Perry, ισχυρίζεται ότι τα επιχειρησιακά αποτελέσματα περιλαμβάνουν μείωση 42% στα περιστατικά και αύξηση 17% στη συμμόρφωση με την επάνδρωση της γέφυρας όταν το σύστημα κάμερας που βασίζεται σε AI τοποθετείται σε βασικές επιχειρησιακές περιοχές σε ένα σκάφος. Το σύστημα προσφέρει ανίχνευση κινδύνου σε πραγματικό χρόνο, συμπεριλαμβανομένης της έγκαιρης ανίχνευσης πυρκαγιών, μιας μη επανδρωμένης γέφυρας και ακατάλληλης χρήσης ΜΑΠ, ενσωματώνοντας δεδομένα βίντεο με συστήματα πλοίων, συμπεριλαμβανομένων αισθητήρων πλοήγησης, καιρού και μηχανημάτων. Ορισμένα πλοία έχουν αναφέρει μηδενικά περιστατικά εντός 180 ημερών από την ανάπτυξη, ενώ η βελτιωμένη συντήρηση και ο έγκαιρος εντοπισμός ανωμαλιών έχουν μειώσει τις μη προγραμματισμένες ημέρες εκτός ενοικίασης κατά 30%.
Η Furuno χρησιμοποιεί τεχνητή νοημοσύνη για να ενισχύσει τα συστήματά της, τα οποία μπορούν ήδη να επιθέσουν ένα γραφικό εικονικό σχήμα πάνω από στόχους AIS, όπως σημαδούρες, σκάφη και πλοία, για να παρέχουν λεπτομέρειες για τη θέση τους σε συνθήκες χαμηλής ορατότητας. Η εταιρεία αναπτύσσει τώρα ένα αυτόματο ή υποβοηθούμενο σύστημα σύνδεσης.
Επιπλέον, λέει ο Matt Wood, Εθνικός Διευθυντής Πωλήσεων της Furuno USA Inc. , η εταιρεία έχει συμμετάσχει σε πολλά ημι-επανδρωμένα και αυτόνομα ταξίδια εντός της Ιαπωνίας. «Ένα από τα πιο πιθανά σενάρια στο εγγύς μέλλον είναι ότι το ανθρώπινο πλήρωμα στα πλοία θα αυξηθεί τόσο με τη μηχανική εκμάθηση όσο και από την απεικόνιση της κατάστασης του πλοίου από μια εγκατάσταση στην πλευρά της ακτής».
Και συνεχίζει: «Βρισκόμαστε σε ένα στάδιο ανάπτυξης AR αυτή τη στιγμή στο οποίο δημιουργούνται πολλά εργαλεία, πολλά από τα οποία είναι καλά. Ωστόσο, δεν υπάρχει τυποποίηση σε αυτές τις οθόνες. Δεν μπορούμε και δεν πρέπει να αφαιρέσουμε τον ναυτικό από την εξίσωση, αλλά χρειαζόμαστε έναν τρόπο να τους παρουσιάσουμε τις καλύτερες δυνατές πληροφορίες με έναν όσο το δυνατόν πιο εύκολο τρόπο αναγνώρισης».
Η Furuno συμμετέχει στο έργο OpenBridge υπό την ηγεσία της Σχολής Αρχιτεκτονικής και Σχεδίου του Όσλο, σε συνεργασία με ένα ευρύ φάσμα άλλων εταιρειών, συμπεριλαμβανομένων των Kongsberg, Brunvoll και Vard. Μαζί, έχουν αναπτύξει μια συλλογή εργαλείων και προσεγγίσεων για τη βελτίωση του σχεδιασμού γεφυρών με βάση τη σύγχρονη τεχνολογία διεπαφής χρήστη και τις ανθρωποκεντρικές αρχές σχεδιασμού. Ο στόχος είναι να αποφευχθεί ο κατακερματισμός που συνοδεύει πολλές διαφορετικές διεπαφές χρήστη σε μια γέφυρα, αυξάνοντας την ανάγκη για εκπαίδευση και αυξάνοντας επίσης τις πιθανότητες ανθρώπινου λάθους.
Περισσότερες από 1.000 εταιρείες έχουν πλέον εγγραφεί για πρόσβαση στις οδηγίες και η επιτυχία του OpenBridge οδήγησε στο έργο OpenAR που επεκτείνει την καθοδήγηση στη λειτουργικότητα AR. Οι περισσότερες από τις τεχνολογικές επιδείξεις του έργου μέχρι στιγμής έχουν επικεντρωθεί στην υποστήριξη επίγνωσης της κατάστασης μέσω συστημάτων απεικόνισης σημείων ενδιαφέροντος που δείχνουν πλοία και άλλες πληροφορίες στον πραγματικό κόσμο, λέει ο καθηγητής Kjetil Nordby της Σχολής Αρχιτεκτονικής και Σχεδίου του Όσλο. «Τώρα κατασκευάζονται για βίντεο σε απομακρυσμένα κέντρα λειτουργίας, διεπαφές που προβάλλονται με παράθυρο, συστήματα επίγνωσης της κατάστασης που βασίζονται στην οθόνη του πλοίου και προβολές head-up παρόμοια με συστήματα αυτοκινήτων. Δεν έχουμε δει κανέναν εταίρο να κατασκευάζει συστήματα που τοποθετούνται στο κεφάλι, αλλά αναμένουμε ότι αυτό είναι επίσης στον ορίζοντα».
Η εστίασή του στη σχεδίαση του χώρου εργασίας επεκτείνεται στα μηχανοστάσια και πιο πρόσφατα, με το έργο OpenZero, περιλαμβάνει τεχνολογίες απαλλαγής από τον άνθρακα που ενισχύουν την ενεργειακή απόδοση και μειώνουν την κατανάλωση καυσίμου. Οι εταίροι για αυτό το έργο περιλαμβάνουν τις ABB, GE Marine και DNV.
Όλα αυτά τα έργα έχουν σχεδιαστεί για να υποστηρίζουν τη λήψη αποφάσεων από τα πληρώματα, αλλά τα συστήματα που αναπτύσσονται είναι επίσης τα δομικά στοιχεία για την ασφαλή πλοήγηση και διαχείριση αυτόνομων πλοίων. Για αυτό, είναι η λήψη αποφάσεων των μηχανών που πρέπει να επαυξηθεί.
«Η πρόβλεψη πεζών και άλλων οχημάτων ή σκαφών είναι ένας από τους πιο χρηματοδοτούμενους ερευνητικούς τομείς στην αυτόνομη πλοήγηση σε χερσαία, εναέρια ή θαλάσσια συστήματα», λέει ο καθηγητής Lokukaluge Prasad Perera από το Arctic University της Νορβηγίας . Η Perera δοκιμάζει μοντέλα για την πρόβλεψη της συμπεριφοράς του πλοίου σε μεγάλη και κοντινή απόσταση χρησιμοποιώντας νευρωνικά δίκτυα που μπορούν να μάθουν από εκτεταμένες βάσεις δεδομένων, όπως αυτές που δημιουργούνται σε προσομοιωτές εκπαίδευσης, καθώς και από δεδομένα αισθητήρων και AIS επί του σκάφους. Ο στόχος είναι να καταστεί δυνατή η ασφαλής λήψη αποφάσεων για αυτόνομα πλοία και να βοηθηθούν τα πληρώματα να κατανοήσουν τη συμπεριφορά των αυτόνομων πλοίων σε περίπτωση που τα συναντήσουν.
Η ομάδα του Perera εργάζεται σε έναν προγνωστικό παράγοντα μεγάλης κλίμακας που συνδυάζει τη μάθηση νευρωνικών δικτύων με δεδομένα AIS για να προβλέψει έως και 20 λεπτά της τροχιάς ενός πλοίου. Αναπτύσσεται επίσης ένας τοπικός προγνωστικός παράγοντας που συνδυάζει κινηματικά μοντέλα πλοίων και εκμάθηση νευρωνικών δικτύων από δεδομένα απόδοσης του πλοίου για να προβλέψει με ακρίβεια τα άμεσα 20 δευτερόλεπτα της τροχιάς του πλοίου.
«Ο τοπικός προγνωστικός παράγοντας είναι σημαντικός για πολλές καταστάσεις κοντινής συνάντησης πλοίων για την αξιολόγηση του πιθανού κινδύνου σύγκρουσης. Επομένως, τόσο οι τοπικές όσο και οι παγκόσμιες προβλέψεις κλίμακας μπορούν να βοηθήσουν τα αυτόνομα πλοία να ανιχνεύσουν πιθανές καταστάσεις σύγκρουσης και στη συνέχεια να λάβουν τα κατάλληλα μέτρα σε πρώιμο στάδιο», λέει ο Perera. «Όταν τα συστήματα λαμβάνουν αποφάσεις, αυτές οι πρώιμες προβλέψεις είναι εξαιρετικά σημαντικές».