Des cargos attendent dans le port du port le plus achalandé de Singapour. Crédit :iStock
Même radar, systèmes de navigation, Le suivi GPS et les communications radio n'empêchent pas les navires d'entrer en collision. En 2017, les collisions et les échouements représentaient près de 40 % de tous les accidents maritimes, et plus de la moitié du total des victimes. Ces incidents ont été principalement causés par une erreur humaine.
Des chercheurs de l'USC Viterbi School of Engineering tentent de supprimer, ou du moins minimiser, la nécessité d'une décision humaine dans la navigation des navires. Ils développent un système automatisé qui repose à la fois sur l'analyse de données et l'intelligence artificielle.
"L'une des principales intentions des navires autonomes est vraiment à des fins de sécurité, " a déclaré le professeur Yan Jin, membre du Département de génie aérospatial et mécanique et chef de projet. "Nous sommes tous humains et parfois nous faisons des erreurs en raison de différentes situations. Mais si nous avons un programme informatique autonome de prise de décision, il ferait constamment des suggestions aux humains."
Connaître l'emplacement des autres navires et objets, leur système peut prédire les mouvements de ces navires et déterminer leur meilleur plan d'action possible qui minimise les risques de collision.
Doctorat en génie mécanique L'étudiant Xiongqing "Vincent" Liu était responsable du développement de la partie IA de leur système. Initialement, il prévoyait d'utiliser des données sur la façon dont les capitaines de navires conduisent et évitent les collisions pour entraîner son système à reproduire ce comportement.
Cependant, impossible d'obtenir ces données, il s'est tourné vers une autre méthode d'apprentissage automatique appelée apprentissage par renforcement. Cette méthode utilise des simulations de différents scénarios de navigation pour apprendre à l'ordinateur comment atteindre son objectif de ne pas heurter un autre objet.
"Au début, l'agent informatique ne sait rien. Il doit explorer l'environnement simulé par lui-même, " dit Liu. " Si l'agent entre en collision avec les obstacles, alors il recevra une pénalité négative. Mais s'il atteint le but, alors il reçoit une récompense très positive."
Après avoir exécuté la simulation des milliers de fois, l'agent apprend de ses expériences passées quelle trajectoire prendre pour éviter une collision, semblable à la façon dont un humain apprend.
« De ce processus, nous pouvons démontrer que, au fur et à mesure que l'agent s'entraîne, il peut générer une certaine intelligence. Et ce genre d'intelligence est ce que les humains utilisent pour prendre des décisions – c'est en quelque sorte leur intuition. Et ce genre d'intuition humaine peut être appris par un agent informatique, " dit Liu.
L'IA de Liu (à gauche) et le modèle analytique de Williams (à droite) manoeuvrant leur navire (entouré en violet) à travers une voie navigable bondée. Crédit :Vidéo/Institut de technologie Monohakobi
Mais le système d'IA à lui seul n'est pas totalement à l'abri des erreurs. Il s'appuie sur les scénarios d'entrées Liu, tandis que des variations importantes de celles-ci peuvent être source de confusion et conduire à une trajectoire dangereuse. Et même si Liu travaille à étendre les capacités de l'IA au-delà de ces scénarios programmés pour incorporer toutes les situations possibles qui peuvent se produire, il y aura toujours des lacunes dans ses connaissances.
Le modèle analytique, développé par un doctorat en génie aérospatial. étudiant Edwin Williams, contribue à combler certaines de ces lacunes. Son système utilise des données de navigation historiques remontant à plus de 20 ans sur les décisions et les résultats passés des navires pour prédire ce que les autres navires vont faire.
"Vous pouvez imaginer qu'il y a un nombre infini de trajectoires que le navire pourrait prendre. Mais chacune de ces trajectoires infinies a une certaine probabilité d'être prise, ", a déclaré Williams.
"Ce que mon système fait, c'est examiner toute la probabilité de ces trajectoires, puis déterminer la probabilité minimale de l'endroit où l'autre navire va se trouver à un moment donné."
Cela leur indique quel chemin a la plus faible probabilité qu'une collision se produise. Mais le système repose uniquement sur la qualité et la quantité de données dont il dispose. Plus les données sont spécifiques - disons, quel capitaine conduisait le navire - plus la prédiction sera précise.
En plus d'aider les navires, ses travaux sont en train d'être appliqués au contrôle du trafic aérien et à la gestion du trafic spatial.
Dans les simulations, son système a eu un taux de réussite de 100 pour cent pour éviter les collisions maritimes. Mais, tout comme l'IA, elle est limitée par les scénarios fournis par les données. En utilisant les deux systèmes ensemble, ils ont une couche de sécurité supplémentaire au cas où une situation inattendue se produirait.
« En faisant cette recherche, nous nous rendons compte que, lorsque vous avez deux types de systèmes, s'ils ne sont pas cohérents, alors il faut conseiller, " dit Jin.
"S'il y a une personne là-bas, c'est génial. S'il n'y a personne, alors vous devez concevoir une autre approche ou un autre algorithme pour vraiment comprendre ou résoudre cet écart. Puis, la décision après cette résolution est plus sûre.
Ils terminent maintenant une subvention de trois ans financée par la division de la technologie maritime de l'institut de technologie Monohakobi au Japon. En été, ils commenceront une autre subvention de trois ans pour poursuivre leur travail et développer encore plus le système. A la fin de ce temps, ils prévoient d'effectuer un test grandeur nature à l'aide des simulateurs de manœuvre de navire de l'institut.
