Tilbake til søkeresultatene

MAROFF-2-Maritim virksomhet og offsh-2

Autonomous ships, intentions and situational awareness

Alternativ tittel: Autonome skip, intensjoner og situasjonsforståelse

Tildelt: kr 10,0 mill.

Med basis i verdensledende kompetanse innen sensorfusjon og maritime antikollisjonssystemer fra Autosea-prosjektet (2015-2019), forsker Autosit-prosjektet på situasjonsforståelse for autonome overflatefarkoster. I det meste av forskningslitteraturen forstås situasjonsforståelse som forståelsen en menneskelig operator har av en operasjon som han eller hun har ansvar for. Det er imidlertid nødvendig at de autonome skipene i seg selv også er i besittelse av situasjonsforståelse, for at de skal kunne interagere med annen båttrafikk uten ulykker. Det er spesielt viktig at autonome skip i samme grad som en mennskelig båtfører har forståelse av hvilke intensjoner andre skip kan tenkes å ha. Denne forståelsen kan dannes med basis i ulike typer informasjonskilder. Historiske data for hvordan skip i ulike situasjoner pleier å oppføre seg kan brukes til å prediktere framtidig oppførsel. Det finnes systemer for informasjonsoverføring som AIS-systemet. Sensorer som kameraer og lidarer har høyere oppløsning både i tid og rom enn tradisjonelle radarer og kan si mye om et skips oppførsel og manøvreringsmuligheter. Autosit-prosjektet vil utvikle pålitelige og effektive algorimer for å fusjonere slike informasjonskilder inn i et helhetlig verdensbilde for det autonome skipet. I løpet av 2021 har arbeidet i Autosit-prosjektet fokusert på tre temaer: Langtidsprediksjon av skipsbevegelse via AIS-data, Fusion av radar- og AIS-data, og deteksjon av skipsdeler i kameradata. Innen langtidsprediksjon har vi spesielt studert systematiske teknikker som partikkelfiltere som kan gi en meningsfull representasjon av våre forventninger til framtidig bevegelse gjennom en sannsynlighesfordeling. Innen radar-AIS-fusjon har vi utviklet metoder som kombinerer styrkene til tradisjonelle målfølgingsmetoder med innsikter om hvordan AIS fundamentalt skiller seg fra radar.

Autonomous surface vehicles (ASV’s) need to be in possession of situational awareness in order to interact safely with other vessels, whether manned or unmanned. Building on cutting edge research in sensor fusion and collision avoidance, the Autosit project will deliver algorithms for situational awareness that enable ASV’s to guess and predict the intentions of other vehicles. These algorithms include long-term vessel prediction based on machine learning, fusion of radar and data from the automatic identification system (AIS), and pose estimation using cameras.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Budsjettformål:

MAROFF-2-Maritim virksomhet og offsh-2