Zelfs radar, navigatiesystemen, GPS-tracking en radiocommunicatie voorkomen niet dat schepen botsen. in 2017, aanvaringen en aan de grond lopen vormen bijna 40% van alle ongevallen op zee, en meer dan de helft van het totale aantal slachtoffers. Deze incidenten zijn voornamelijk veroorzaakt door menselijke fouten.

Onderzoekers van de USC Viterbi School of Engineering proberen te verwijderen, of in ieder geval minimaliseren, de noodzaak van menselijke beslissingen in de scheepsnavigatie. Ze ontwikkelen een geautomatiseerd systeem dat in plaats daarvan vertrouwt op zowel data-analyse als kunstmatige intelligentie.

"Een van de belangrijkste bedoelingen voor autonome schepen is echt voor het veiligheidsdoel, " zei professor Yan Jin, lid van de afdeling Lucht- en Ruimtevaart en Werktuigbouwkunde en projectleider. "We zijn allemaal mensen en soms maken we fouten door verschillende situaties. Maar als we een autonoom soort computerprogramma hebben dat beslissingen neemt, het zou constant suggesties doen aan mensen."

De locaties van andere schepen en objecten kennen, hun systeem kan de bewegingen van die schepen voorspellen en hun best mogelijke handelwijze bepalen die de kans op aanvaring minimaliseert.

Werktuigbouwkunde Ph.D. student Xiongqing "Vincent" Liu was verantwoordelijk voor de ontwikkeling van het AI-gedeelte van hun systeem. aanvankelijk, hij was van plan gegevens te gebruiken over hoe kapiteins van schepen rijden en botsingen te vermijden om zijn systeem te trainen om dit gedrag te repliceren.

Echter, niet in staat om deze gegevens te krijgen, hij wendde zich tot een andere methode voor machinaal leren, versterkingsleren genaamd. Deze methode maakt gebruik van simulaties van verschillende vaarscenario's om de computer te leren hoe hij zijn doel kan bereiken om geen ander object te raken.

"In het begin weet de computeragent niets. Hij moet zelf de gesimuleerde omgeving verkennen, " zei Liu. "Als de agent in botsing komt met de obstakels, dan krijgt hij een negatieve boete. Maar als het het doel bereikt, dan krijgt het een zeer positieve beloning."

Nadat de simulatie duizenden keren is uitgevoerd, de agent leert van zijn ervaringen uit het verleden welk traject hij moet volgen om een ​​botsing te voorkomen, vergelijkbaar met hoe een mens leert.

"Vanuit dit proces dat kunnen we aantonen, zoals de agent zichzelf traint, het kan enige intelligentie genereren. En dit soort intelligentie is wat mensen gebruiken om beslissingen te nemen - het is een beetje hun intuïtie. En dit soort menselijke intuïtie kan worden geleerd door een computeragent, ' zei Liu.

Maar het AI-systeem alleen is niet volledig foutbestendig. Het is afhankelijk van de scenario's die Liu invoert, terwijl grote variaties daarop verwarring kunnen veroorzaken en tot een gevaarlijk traject kunnen leiden. En hoewel Liu eraan werkt om de mogelijkheden van de AI uit te breiden tot buiten deze geprogrammeerde scenario's om alle mogelijke situaties op te nemen die zich kunnen voordoen, er zullen altijd hiaten in zijn kennis zijn.

Het analysemodel, ontwikkeld door lucht- en ruimtevaarttechniek Ph.D. leerling Edwin Williams, helpt een aantal van deze hiaten op te vullen. Zijn systeem gebruikt historische vaargegevens die meer dan 20 jaar teruggaan op beslissingen en resultaten van schepen uit het verleden om te voorspellen wat andere vaartuigen gaan doen.

"Je kunt je voorstellen dat er een oneindig aantal banen is dat het schip zou kunnen nemen. Maar elk van die oneindige banen heeft een bepaalde kans om te worden genomen, ' zei Willems.

"Wat mijn systeem doet, is kijken naar de volledige waarschijnlijkheid van wat die trajecten zijn en vervolgens de minimale waarschijnlijkheid bepalen waar het andere schip op een bepaald moment zal zijn."

Dit vertelt hen welk pad de laagste kans op een botsing heeft. Maar het systeem vertrouwt uitsluitend op de kwaliteit en hoeveelheid gegevens die het heeft. Hoe specifieker de gegevens zijn - zeg maar, welke kapitein het schip bestuurde - hoe nauwkeuriger de voorspelling zal zijn.

Naast het helpen van zeeschepen, zijn werk bevindt zich in het beginstadium van toepassing op luchtverkeersleiding en ruimteverkeersbeheer.

Bij simulaties, zijn systeem heeft een slagingspercentage van 100 procent voor het vermijden van aanvaringen op zee. Maar, net als de AI, het wordt beperkt door de scenario's die door de gegevens worden geboden. Door de twee systemen samen te gebruiken, ze hebben een extra beveiligingslaag voor het geval zich een onverwachte situatie voordoet.

"Door dit onderzoek te doen, realiseren we ons dat, als je twee soorten systemen hebt, als ze niet consistent zijn, dan moet je adviseren, " zei Jin.

"Als er een persoon is, dat is geweldig. Als er niemand is, dan moet je een andere benadering of algoritme bedenken om deze discrepantie echt te begrijpen of op te lossen. Vervolgens, de beslissing na die resolutie is veiliger.

Ze ronden nu een driejarige subsidie ​​af, gefinancierd door de Maritime Technology Division van het Monohakobi Technology Institute in Japan. In de zomer, ze beginnen met nog een driejarige beurs om hun werk voort te zetten en het systeem nog verder te ontwikkelen. Tegen het einde van die tijd, ze zijn van plan een volledige test uit te voeren met behulp van de scheepsmanoeuvre-simulators van het instituut.