Sensor Fusion and Collision Avoidance for Autonomous Surface Vehicles

I løpet av de siste 10 årene har førerløse biler blitt en del av virkeligheten. I luften og under vannoverflaten har en lignende utvikling funnet sted over lengre tid. Ubemannede droner og undervannsbåter har i stadig økende grad blitt tatt i bruk for ulike oppgaver. I nyere tid har også skipsbyggere og rederier begynt å gi seriøs oppmerksomhet til muligheten av ubemannede skip. Ubemannede skip kan bare få kommersiell anvendelse så fremt lovgivende myndigheter, klassifikasjonsselskaper og den generelle opinionen vurderer dette som en trygg teknologi. På den ene siden så kan hyppigheten av ulykker forårsaket av menneskelige feil reduseres som følge av mindre menneskelig innblanding. På den annen side så må et skip som skal operere på egen hånd ha sofistikerte systemer for tolkning av omgivelsene, og for planlegging og iverksetting av manøvre og responser. Man må kunne stole på at skipet er i stand til å unngå kollisjoner. I dette forskningsprosjektet har vi studert kollisjonsunngåelse for ubemannede skip. Et grunnleggende premiss for Autosea-prosjektet har vært at de sentrale byggeklossene i et anti-kollisjons-system må være et målfølgingssystem som holder rede på potensielle hindringer, og en kollisjonsunngåelsesmetode som overstyrer den nominelle bevegelsesstyringen når det er behov for det. Prosjektet har oppnådd substansielle teoretiske nyvinninger innen disse fagområdene. Innen målfølging har prosjektet ledet til ny forståelse og nye metoder for å håndtere sikkerhetskritiske sensorbegrensninger som falske alarmer og misdeteksjoner. Innen bevegelsesstyring så har vi utviklet en rekke kollisjonsunngåelsesmetoder basert på ideer fra modell-prediktiv regulering. Disse metodene er i stand til å benytte seg av et omfattende informasjonsbilde når de tar beslutninger. Autosea-prosjektet har hele tiden hatt et sterkt fokus på validering i den virkelige verden. Ved første anledning i 2016 ble relevante radar-data tatt opp for å gi føringer for utviklingen av målfølgingsystemet. Systemene for kollisjonsunngåelse har oppnådd stadig større modenhet gjennom en rekke fullskala-eksperimenter som har involvert testfartøy fra samarbeidsbedriftene. Systemene har brukt både radardata og AIS-data for å estimere hvor andre fartøy befinner seg og er på vei. Den 14. juni 2019 ble sluttdemonstrasjonen i Autosea-prosjektet gjennomført i Trondheimsfjorden. Disse eksperimentene involverte flere fartøy fra Maritime Robotics, NTNU og Trondheim Havn, og demonstrerte at antikollisjonsmetodene sammen med radar-basert målfølging var i stand til å håndtere ikke-trivielle situasjoner med flere fartøy involvert. Både disse eksperimentene og flere tidligere eksperimenter fant sted mens vilkårlig skipstrafikk passerte gjennom testområdet. Disse gjennombruddene i autonom maritim navigasjon som har blitt oppnådd gjennom dette prosjektet har allerede begynt å legge grunnen for relaterte forskningsaktiviteter ved NTNU og i samarbeidsbedriftene. Den autonome ferge-modellen Milliampere brukes som en testplattform for forskning på autonome skip ved NTNU og vil bruke antikollisjons- og målfølgingsystemer som ligner på de som har blitt utviklet i Autosea-prosjektet. Disse forskningsaktivitetene blir koordinert i det NTNU-finansierte Autoferry-prosjektet. I parallell med dette blir det forsket på håndplukkede utfordringer fra Autosea-prosjektet i oppfølgerprosjektet «Autonomous ships, intentions and situational awareness» (Autosit) som involverer det samme konsortiet. Dette inkluderer langtids prediksjon av skipsbevegelse, fusjon av radar og AIS og målfølging av mål med signifikant utstrekning. I tillegg til de 3 PhD-kandidatene som har vært knyttet til prosjektet har omlag 40 MSc-studenter blitt knyttet til prosjektet og løst relaterte oppgaver. Blant disse prosjektene finner vi bevegelsesstyring og kollisjonsunngåelse for Milliampere og skalamodellene ReVolt, multi-sensor fusjon av radar, lidar, kameraer og infrarøde kameraer, digitale tvillinger, banefølging og initiell forskning på temaene i Autosit-prosjektet.

Prosjektets metoder for sensorfusjon og kollisjonsunngåelse vil bli brukt i videre forskning og produktutvikling, og de vil også bli brukt for verifikasjon og benchmarking av andre systemer. En rekke vellykkede demonstrasjoner av kollisjonsunngåelse basert på klassisk målfølgingsteori og modell-prediktiv kontroll setter premisser for videre forskning. Prosjektet har utdannet over 40 MSc -kandidater med kompetanse på maritim autonomi. Autonomi kan gjøre maritim varetransport konkurransedyktig med veitransport, og slik redusere forurensning, kødannelse og ulykker. Autonom maritim transport ofte vil kunne være betydelig mer saktegående enn bemannet maritim transport, og slik bidra til å redusere CO2-utslipp. En annen mulighet er autonom passasjertransport til sjøs. I første omgang vil dette være aktuelt som en «vannheis» over en kort og oversiktlig strekning. Etter hvert vil dette kunne revitalisere kystområder hvor det ikke er økonomisk gjennomførbart med bemannet passasjertransport.

Our vision is for the Norwegian maritime industry and researchers in collaboration with international partners to attain world-leading competence and knowledge in the design and verification of methods and systems for sensor fusion and collision avoidance for autonomous surface vehicles (ASVs). In particular, the research partners will develop and evaluate such methods and systems in compliance with the maritime anti-collision regulations (COLREGS), utilizing fusion of data from radar, AIS, IR, LIDAR, camera, IMU, GPS, etc. In addition to enabling commercial ASVs, the results can be used to enhance decision support systems for humans on manned vessels. The project will also provide a solid foundation for independent third-party verification of autonomous marine technology. The project is supported with funding and infrastructure by DNV GL, KONGSBERG and Maritime Robotics.