Искусственный интеллект для управления летательными аппаратами | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 22 мая, печатный экземпляр отправим 26 мая.

Опубликовать статью в журнале

Автор:

Научный руководитель:

Рубрика: Технические науки

Опубликовано в Молодой учёный №16 (358) апрель 2021 г.

Дата публикации: 17.04.2021

Статья просмотрена: 17 раз

Библиографическое описание:

Долгов, Е. Н. Искусственный интеллект для управления летательными аппаратами / Е. Н. Долгов. — Текст : непосредственный // Молодой ученый. — 2021. — № 16 (358). — С. 81-86. — URL: https://moluch.ru/archive/358/80126/ (дата обращения: 09.05.2021).



В статье рассматривается тема использования искусственного интеллекта для управления летательными аппаратами. Рассматриваются области авиации, в которых уже применяются искусственный интеллект и идеи его дальнейшего развития и применения. Делается обзор преимущества перед пилотом, экономических достоинств, недостатков и факторов, замедляющих развитие.

Ключевые слова: искусственный интеллект, летательный аппарат, система управления

Целью данной работы является знакомство с тем, где и как применяется искусственный интеллект для управления летательными аппаратами в разных областях, как он применяется в гражданской авиации, как беспилотники меняет нашу жизнь и как будет применяться в ближайшем будущем. Искусственный интеллект при управлении летательными аппаратами применяется не только в беспилотных дронах и в системах предупреждения столкновений, но и в воздушном такси, системах планирования трафика и др.

Для орбитальных систем стоимость и эффективность, как правило, являются движущими факторами внедрения автономии. Увеличение времени, в течение которого космический аппарат может работать без вмешательства человека, значительно сокращает его эксплуатационные расходы. В то же время автономный сбор научных данных может оптимизировать использование имеющихся ресурсов космического аппарата (например, мощности, трансфертного бюджета и т. д.).

Если первое подобие автопилота появилось в 1912 г. и было гидравлическим приводом с блоком, получающий сигналы от гирокомпаса и высотомера, связанными с рулями высоты и управления, то первый компьютерный автопилот совершивший трансатлантический перелет появился в 1947г. Значительная часть беспилотной авиационной и космической техники с момента появления уже имела признаки интеллекта. Это автопилот (даже в механической аналоговой версии) или летательные аппараты, способные самостоятельно менять траекторию полета, «оценивать» некоторые собственные параметры от датчиков на борту, принимать «решения» о выполнении или невыполнении задач в зависимости от обстоятельств и т. д.

Современное понятие беспилотной авиации довольно широкое. На старте создания более 50 лет назад БПЛА и не предполагалось оснащать «разумом». Аппарат под руководством оператора должен был выполнять заранее запрограммированные или переданные в реальном времени команды. Поэтому создавались ДПЛА — дистанционно пилотируемые летательные аппараты, которые сегодня можно купить в магазине детских игрушек и в виде дронов.

Оснащение интеллектом летательных аппаратов в 70-х годах прошлого века было вынужденной мерой так как при полетах в космос возросло количество людей необходимых для управления с земли, нагрузка на системы связи, длительность задержек, энергетические бюджеты и надежность. Оснащение дистанционно пилотируемых аппаратов сложными системами автоматизации позволило оптимизировать все эти проблемы, повысить эффективность многих миссий с точки зрения надежности, научных результатов и требуемых эксплуатационных усилий. Эта автономия может также привести к значительному снижению стоимости миссий, которые в противном случае потребовались бы обширные человеческие операции. Со временем аналогичные системы пришли в другие области. С начала 2000 г., а также благодаря распространению технологий искусственных нейронных сетей, глубинного обучения, машинного зрения и восприятия появилось новое понятие «ИБПЛА» — интеллектуальные беспилотные летательные аппараты, способные учится и принимать ограниченные человеком решения.

Обычно в процессе полета обычно участвуют пилот, управляющий самолётом и диспетчер, упорядочивающий движение и контролирующий ситуацию в целом.

Использование вгражданской авиации

Автопилот в авиации уже заменил часть экипажа: бортинженеров и штурманов, став обязательной частью систем самолетоведения для гражданских лайнеров. Но почему целиком заменить людей пока он не может.

«Автоматическая бортовая система управления» (АБСУ) или FMS — уже существует и контролируя все узлы самолета автоматизирует широкий круг рутинных задач с целью снижения утомляемости экипажа, повышения безопасности и повышения эффективности полета. Она позволяет прогнозировать круизные точки подъёма и снижения с целью экономии топлива, поддерживать оптимальную скорость и курс, сажать самолет по курсо-глиссиальной системе. Однако такая система не является самостоятельной, она контролируется пилотом и обычно дает ему рекомендации при полете.

В настоящее время ряд проблем замены как пилота, так и диспетчера. На примере пилота можно привести несколько проблем:

Первая проблема замены пилота это — огромное количество непредсказуемых ситуаций, которые невозможно описать, а перевод человека в качестве оператора требует от него большей квалификации и навыков.

Вторая проблема — несмотря на незначительное удешевление и облегчение самолета за счет исключения из него кабины, необходимо увеличение количества дорогостоящих отказоустойчивых датчиков.

Третья и особо важная проблема — юридическая ответственность. Именно она сильно задерживает развитие технологий искусственного интеллекта для пассажирских самолетов, так как и пилот и диспетчер несут уголовную ответственность.

В замене диспетчера тоже есть проблемы, но в аэропорту Шереметьево уже применяются рекомендательные системы для планирования и администрирования функций персонала в том диспетчеров. Но есть и более на мой взгляд радикальные идеи, например, Free Flight. Суть затеи состоит в том, чтобы создать жесткие правила полетов и переложить рутинные задачи отслеживания на искусственный интеллект, а пилот будет принимать самостоятельные решения в рамках правил.

Преимуществами могут стать бесконфликтность траекторий самолетов, оптимальный расход топлива и эффективное использование взлётно-посадочных трасс.

И несмотря на то, что уже работают такие системы, помогающие обеспечивать безопасность являются Traffic Collision Avoidance System, (TCAS) на борту самолета и MTCD — Medium term conflict direction помогающая диспетчеру. Они прогнозируют конфликты и дают указания как их избежать.

Проблемами станут навыки пилота, создание правил, которые подошли бы, и интерфейс для взаимодействия с пилотом. Рекомендательные системы имеют проблемы: адекватность применения системы, требуется время для анализа рекомендации, проблема ответственности диспетчера. И самое очевидное опасение по поводу этой затеи — если все переложить всё на пилота, то не получится ли ситуация аналогичная ситуации на автодорогах.

Сейчас появилась интересная задумка создать беспилотное аэротакси. Компания «Ховер» известна с 2016 г. своими летающими мотоциклами. Команда начинала свою работу с одноместных персональных дронов. И в 2019 г. совершила первую коммерческую сделку на этом рынке — с полицией Дубая и хочет к 2025 г. создать полноценное аэротакси. Однако некоторые уверены, что это изобретение столкнется и с проблемами БПЛА, и с проблемами пассажирской авиации одновременно и сейчас нельзя говорить об успехе или провале.

Искусственный интеллект для управления БПЛА

Ситуация с ДПЛА, превратившимися в ИБПЛА, совершенно другая они изначально планировались с целью исключения человека из всего процесса. В их отношении уже решена определенная часть юридических проблем, они намного дешевле и легче пилотируемых аппаратов. Внедрение искусственного интеллекта позволяет получить им ряд преимуществ:

— экономия средств на доставке на «последней миле», Kiva Systems оценили стоимость доставки дроном груза до 2 кг за 30 мин в $1, что в десять раз меньше, чем автотранспортом;

— для бесперебойной работы каждого БПЛА необходимо несколько сменяющих друг друга операторов. Искусственный интеллект сможет уменьшить их число за счет того, что один оператор может контролировать несколько беспилотников;

— в случае потери сигнала от центра управления среди высоток или из-за радиоэлектронной атаки беспилотник сможет обеспечить свою автономность, выполнить задачу и вернутся домой;

— гибкость цепи поставок. беспилотник может лучше оптимизировать свой маршрут в случае форс-мажорных ситуаций чем человек;

— дешевизна по сравнению с пилотируемыми аппаратами;

— дрон использует электричество для работы и поэтому экологичней по сравнению с автотранспортом.

В настоящее время они уже активно применяются для поисковых работ, доставки товаров, и охраны объектов. И так же приходится бороться с недостатками и проблемами безопасности, которые тормозят развитие и активное применение в том числе и законодательные.

В городах, а особенно в густонаселенных, законодательное ограничение на дальность, высоту и запрет на полеты над толпой не способствуют оптимизации маршрутов и издержек, защита от хулиганов, сложности получения статуса авиаперевозчика для доставки в некоторых странах, неопределенность некоторых процессов, устойчивость к ошибкам, из-за которых происходят столкновения, вуайеризм, борьба с перевозкой криминальных грузов в том числе контрабанды в исправительные учреждения. Все вышеперечисленные проблемы тормозят применение БПЛА.

Единственные методы, которыми сейчас могут наказать если БПЛА нарушителя обнаружат это попытаться поймать его и, если он зарегистрирован наказать хозяина, при этом дрон мог быть украден до этого.

Сейчас в мире происходит процесс снятия ограничений, например, в США были сильно смягчены ограничения на полеты ночью и над толпой, а также смягчены ограничения по высоте и дальности при условии, что БПЛА будут оснащены системами геослежения и дистанционной идентификации. А полиция там уже давно оснащена устройствами перехвата. К сожалению, в России такие системы идентификации не распространены и действуют строгие ограничения на зоны для полетов беспилотников. В России одна компания пытались доставлять пиццу с помощью дронов, но это было пресечено.

Таблица 1

Уровни автономности выполнения миссий согласно ECSS

Уровень

Описание

Функция

Е1

Выполнение миссии под контролем с земли с ограниченными возможностями на борту по вопросам безопасности

Дистанционное управление с земли для номинальных операций, выполнение команд с указанием времени для проблем безопасности

Е2

Выполнение заранее запланированных наземных операций на борту

Возможность хранения команд, зависящих от времени, во встроенном планировщике

Е3

Выполнение адаптивных операций на борту

Автономные операции на основе событий, Выполнение бортовых процедур контроля операций

Е4

Выполнение целевых миссий на борту

Целенаправленное перепланирование миссии

Направления разработок вобласти ИИ для БПЛА

Из наиболее интересных практических разработок, частично или полностью ставших реальностью, можно выделить следующие, наделяющие БПЛА функциями ИИ:

1) Рой, обладающий способностью самообучения всей группы с целью адаптации к трудным условиям. Рой беспилотников может быть использован для световых шоу, в качестве умных бомб или борьбы с ПВО.

В Amazon разработали БЛА способный объединятся с другими в одну коллективную “платформу”. Группа может увеличиваться бесконечно, что позволяет перевозить грузы любого веса и размера. Когда платформа достигает конечной точки, дроны могут разлетаться в разных направлениях. Объединенные в “платформу” БПЛА делят между собой ресурсы, энергию, совместно занимаются навигацией, чтобы оптимизировать их. В ходе полета БПЛА могут меняться с целью подзарядки. Платформа из беспилотников становится более заметной для радаров, что облегчает диспетчеризацию и уклонение от столкновений.

2) Идентификация и обнаружение БПЛА, принятие решения об их уничтожении, что поможет работе правоохранительных органов — появление БПЛА, предназначенных для борьбы с другими беспилотниками.

3) Система организации групповых действий, пилотируемых и беспилотных летательных аппаратов, пример использования: Су — 70 «Охотник».

4) Автономный беспилотный вертолет «Хаски» оснащенный системой защиты БПЛА собственного оборудования от некорректных команд оператора, которые могут привести к саморазрушению. (KVAND, 2007 г., Россия)

5) Проект Green Falcon II ставящий целью создать системы прогнозирования световых потоков для полной независимости от внешних источников питания беспилотников, оборудованных солнечными батареями.

6) Система самодиагностики и самоустранения найденных неполадок на борту самолета во время полета. (Агентство аэрокосмического исследования (JAXA), 2011 г., Япония)

7) Дрон, предназначенный для спасения людей в открытом океане и на льду, способный управлять беспилотными кораблями для выполнения поисково-спасательных работ, получать информацию о трудно определяемым характеристикам льда в период таяния и его движении.

ИБПЛА вкосмических аппаратах

В области освоения космоса летательные аппараты с искусственным интеллектом смотрятся очень перспективно, так как нет нужды в пилоте со специальной подготовкой, ИИ решает проблему задержки и исчезновения сигнала, автоматическое обнаружение и обработку аномалий, обещает снизить стоимость миссии, повысить научную отдачу и позволить выполнение более сложных миссий с несколькими транспортными средствами. Следовательно, существует растущая потребность в механизмах и алгоритмах, чтобы сделать космический аппарат более автономным в принятии решений и независимым от человека. Ярким примером этой проблемы является спуск на Марс, который обычно занимает семь минут, так называемые” семь минут ужаса”.

В России компания «Исон» планирует создать к 2023 г. многоразовый беспилотный ракетоплан, способный выполнять полеты в верхних слоях атмосферы на гиперзвуковой скорости, а также выводить спутники на орбиту. Он создается как аналог Boeing X-37B, который уже сейчас совершил 5 запусков.

Создание отечественного аппарата является попыткой догнать возникшее после развала СССР отставание в космической отрасли. Ведь несмотря на наличие надежных способов доставки, удешевление запусков, в том числе с помощью ИИ, позволяет высвободить промышленные мощности и финансы для дальнейших исследований и других проектов.

Беспилотные ракетопланы создавались в СССР. В рамках программы спираль в качестве беспилотной версии ЭПОСа были созданы аппараты серии БОР 1-6 (Беспилотный орбитальный ракетоплан). Они были созданы с целью различных испытаний, в том числе: новые теплозащитные материалы, испытать летно-конструкторские и летные характеристики схему самолета несущий корпус, исследование тепловых потоков и давления, испытание опытной аппаратуры, затухание и исчезновение радиосигнала при проходе через плазменное облако, отработка управления на границе космоса и атмосферы.

Первое поколение БОРов 1–3 были скорее моделями для испытаний, которые сбрасывались с самолета-носителя и оснащались системами:

— радиотелеметрических, бортовых и внешне-траекторных измерений;

— систему управления (включающую в себя автопилот и 8 микродвигателей);

— спасения и безопасности.

Второе поколение БОР 4- 6 уже участвовали в реальных полетах, и были более самостоятельными проектами, на основе которых, во-первых, предлагалось создать космическое оружие СССР, во-вторых, они были частично приближенными к «Бурану» и их результаты прямо повлияли на него, в-третьих, они стали объектом для копирования некоторых разработок в виде американского HL-20.

Второе поколение БОРов оснащались различной автоматикой, система автоматического управления решала следующие задачи:

— вход в атмосферу с заданным углом атаки;

— полет по заданной траектории;

— стабилизацию заданных углов и перегрузок;

— ввод в заданный район приземления;

— создание условий для ввода в действие парашютов;

— управление бортовыми системами.

Результатом стало усовершенствование системы управления «Вымпел», которая уже активно испытывалась на стратегических самолетах ТУ-160. В итоге всепогодная радиотехническая система автоматической посадки Бурана была лучшей на тот момент. Что позволило по праву называться беспилотным космическим кораблем. Полёт Бурана происходил в автоматическом режиме с использованием бортового компьютера и бортового программного обеспечения.

На этапе посадки не обошлось без неожиданного происшествия, которое, в только подчеркнуло успех. На высоте 11 км «Буран», получив с наземной метеостанции информацию о погодных условиях в районе посадки, неожиданно для всех совершил резкий манёвр. Корабль описал плавную петлю с разворотом на 180 градусов, изначально заходя на посадочную полосу с северо-западного направления, корабль сел, со стороны её южного конца. Как выяснилось, из-за штормового ветра на земле автоматика корабля приняла решение дополнительно погасить скорость и зайти по наиболее выгодной в новых условиях траектории посадки.

Во время этого маневра шаттл пропал из поля зрения наземных средств наблюдения и средств связи. В ЦУПе началась паника, ответственные предложили задействовать аварийную систему самоуничтожения. Однако заместитель главного конструктора, отвечавший за управление кораблём на участке снижения и посадки, решил подождать, и ситуация разрешилась благополучно.

Дальнейшее развитие идей и разработок в этом ключе позволило бы в настоящем создать беспилотные аппараты, которые благодаря своему интеллекту мог ли бы значительно облегчить экономическое и промышленное освоение ближнего и среднего космоса Россией. Однако, к сожалению, после развала СССР и выхода России из экономической космической гонки почти все подобные проекты были закрыты. В настоящее время у России нет своих существенных успехов, по сравнению с другими странами и СССР.

НАСА тоже использует разработки ИИ для управления своими аппаратами. В 1999 году корабль Deep Space One в течение нескольких дней управлялся автономным агентом Remote Agent Experiment (RAX). RAX был одной из трех автономных технологий, протестированных на Deep Space One. Он был первым космическим кораблем, который использовал удаленного агента для максимального контроля.

Удаленный агент мог проводить оценку состояния корабля и предлагать альтернативы для вышедших из строя компонентов. Если изначальный план не может быть выполнен из-за сбоя или другого изменения, он мог предложить альтернативное решение. В отличие от предыдущих миссий, таких как «Кассини», для управления которым требовалось от 100 до 300 сотрудников, Deep Space One требовал значительно меньше персонала. Он также снизил потребности в связи, освободив сеть дальнего космоса для одновременного использования большим количеством кораблей и позволив передавать больше научных данных вместо данных управления и мониторинга.

Также на Deep Space One тестировалась система автономной навигации AutoNav. Два или более астероида позволяют аппарату вычислить свою позицию при помощи триангуляции; две или более позиции во времени позволяют КА определить свою траекторию. После завершения всех необходимых корректировок курса AutoNav предоставляет информацию о местоположении цели в систему управления высотой, чтобы облегчить изменение наведения корабля.

AutoNav начал работать 24 октября 1998 года и постепенно увеличивал объем своего контроля по мере тестирования большего количества компонентов, вплоть до 20 апреля 1999 года, когда корабль был полностью передан под автономное управление AutoNav.

В 2003 году был запущен автономный научный эксперимент (ASE) на борту Earth Observing-1. Он участвовал в создании сенсорной сети вулканов. В ASE было несколько элементов AI. Способный благодаря системе Autonomous Sciencecraft самостоятельно решить, как лучше всего создать желаемое изображение. Он ограничивался только приоритетным списком различных типов изображений и прогнозами облачного покрова, разработанный в Исследовательском центре Эймса НАСА, который обнаруживает и диагностирует аппаратные и программные проблемы космического корабля.

Заключение

Нет сомнений в том, что искусственный интеллект продолжит играть большую роль в эксплуатации летательных аппаратов. Компании с ограниченным бюджетом и будущие частные космические операторы, вероятно, захотят получить максимальную выгоду от своих вложений в логистику. Исследования и фактическое использование показывают, что автономные аппараты способны обеспечить высокий уровень отдачи, не уступая управляемым человеком. С помощью бортового ИИ беспилотники могут реагировать быстрее, чем если бы им пришлось контактировать с землей для получения инструкций. Таким образом, будущее искусственного интеллекта в авиации выглядит светлым.

Однако основной проблемой искусственного интеллекта в управлении летательными аппаратами стали не аппаратные недостатки, а проблема фундаментальных разработок систем ИИ. К сожалению, факторами, замедляющими развитие кроме фундаментальных проблем ИИ, остаются:

— Необходимость учета человека в системе принятия решений;

— Неопределённость определенных процессов;

— Повышение требований к безопасности и надежности;

— Моральные и юридические аспекты.

Появление на борту автономных систем ИИ позволит БПЛА принимать самостоятельные решения об исполнении задания, предотвратит опасности помех, перехвата управления хулиганами. Современные идеи и разработки могут позволить изменить облик гражданских перевозок, но в данный момент эти идеи кажутся слишком сложными для существующих систем.

Вместе с этим перспективные разработки для искусственного интеллекта для воздушных дронов уже начали менять процессы логистики и доставки и приносят новые идеи в дело защиты людей. Искусственный интеллект для систем управления космическими аппаратами уже начал делать их более экономичными и эффективными. В скором времени оператор будет только наблюдать за выполнением поставленных задач.

Поэтому, в итоге, в настоящее время искусственный интеллект не полноценный заменитель человеческого мышления, а ассистент и помощник, его цель предотвращение человеческих жертв и удешевление процессов. К сожалению, на сегодняшний день ИБПЛА в полной мере не научились действовать без подсказок человека. Но все чаще оператор только наблюдает за выполнением и контролирует выполнение поставленных задач.

Литература:

1 Лукашевич, В. П. Космические крылья / В. П. Лукашевич, И. Б. Афанасьев // М.: ООО «ЛенТа Странствий», 2009. — 496 с.

2 Straub, J. A review of spacecraft AI control systems / WMSCI 2011 — The 15th World Multi-Conference on Systemics, Cybernetics and Informatics, Proceedings. — Vol. 2. — Pp. 20–25.

3 Meß, J.-G. Techniques of Artificial Intelligence for Space Applications — A Survey / J.-G. Meß, F. Dannemann, F. Greif; European Workshop on On-Board Data Processing (OBDP2019). — 14p.

4 Применение гражданских беспилотных воздушных судов с искусственным интеллектом в арктической зоне Российской Федерации: Аналитический обзор. — Текст: электронный / А. В. Федотовских // Российский союз промышленников и предпринимателей: [сайт]. — 2021. — URL: http://www.rspp-arctic.ru/userfiles/docs/UAV_AI_Arctic_2021_RUIE.pdf (дата обращения 09.04.2021).

5 Бойко, А. Рои беспилотников. — Текст: электронный // RoboTrends: [сайт]. — URL: http://robotrends.ru/robopedia/roi-bespilotnikov (дата обращения 10.04.2021).

6 Федотовских, А. В. Современные направления разработок беспилотных летательных аппаратов с искусственным интеллектом // Союз авиастроителей: [сайт]. — 2013. — URL: https://as-union.org/2013/08/16/sovremennye-napravleniya-razrabotok-bespilotnyh-letatelnyh-apparatov-s-iskusstvennym-intellektom/ (дата обращения 09.04.2021).

7 История развития и сегодняшний день беспилотной авиации / Е. Пушкарский, Д. Волошин, А. Наумов, В. Ахрамеев // АвиаСоюз. — 2020. — № 5 (82). — С. 28–34.

8 Епифанов, И. Н. Проблематика использования беспилотных летательных аппаратов (дронов) в логистике // Наука, образование и культура. — 2016. — № 6 (9). — С. 17–19.

9 Балухто, А. Н. Искусственный интеллект в космической технике: состояние, перспективы развития / А. Н. Балухто, А.А, Романов // Ракетно-космическое приборостроение и информационные системы. — 2019. — № 3 (25). — С. 47–63.

10 Искусственный интеллект планирует деятельность Шереметьево // Гражданская авиация: [сайт]. — 2020. — URL: https://1931.aero/news/iskusstvennyij-intellekt-planiruet-deyatelnost-sheremetevo (дата обращения 10.04.2021).

11 ECSS-E-ST-70–11C. Space segment operability / European cooperation for space standardization standard. — Netherlands, 31.07.2008, — 76p.

Основные термины (генерируются автоматически): искусственный интеллект, аппарат, проблема, Россия, система, уж, ASE, RAX, система управления, управление.


Задать вопрос