Die Brücke und darüber hinaus: KI und AR revolutionieren die Entscheidungsfindung im Seeverkehr

Furuno-Systeme können eine grafische virtuelle Form über AIS-Ziele wie Bojen, Boote und Schiffe legen, um bei schlechten Sichtverhältnissen Details zu deren Position bereitzustellen. Bild mit freundlicher Genehmigung von Furuno

„Eines der wahrscheinlichsten Szenarien in naher Zukunft ist, dass die menschliche Besatzung an Bord von Schiffen sowohl durch maschinelles Lernen als auch durch die Visualisierung der Schiffssituation von einer Einrichtung an Land aus unterstützt wird.“ Matt Wood, National Sales Manager bei Furuno USA Inc.

Render von am Kopf montierten AR-Schnittstellen (linke Seite) im Vergleich zu bildschirmbasierten AR-Schnittstellen (rechte Seite). Render von Jon Fauske, Copyright Oslo School of Architecture and Design. Bild mit freundlicher Genehmigung von Kjetil Nordby

Darstellung, wie sich das AR-Overlay ändert, wenn ein Schiff in den Hafen einläuft. Rendern von Jon Fauske, Copyright Oslo School of Architecture and Design. Bild mit freundlicher Genehmigung von Kjetil Nordby

Shipin Systems verwendet ein KI-basiertes Kamerasystem, das in zentralen Betriebsbereichen eines Schiffes platziert wird. Bild mit freundlicher Genehmigung von ShipIn Systems Inc.

Previous Next

Eine intelligente Entscheidungsunterstützung auf der Brücke ist bereits möglich: Mit der Technologie von Furuno werden Live-Videobilder der Frontansicht des Schiffs mit Navigationsinformationen wie Kurs, AIS-Daten, Radarzielverfolgung, Objektidentifikation, Routen-Wegpunkten und Karteninformationen überlagert.

Das Brückenunterstützungssystem von SEA.AI kann größere Schiffe ohne AIS-Ausrüstung in einer Entfernung von bis zu 7,5 Kilometern (fast fünf Meilen), kleinere Schiffe in einer Entfernung von bis zu 3 Kilometern (fast 2 Meilen) und Treibgut in einer Entfernung von bis zu 700 Metern (fast einer halben Meile) identifizieren.

Die Verbesserung der Situationswahrnehmung eines Wachmanns mithilfe von Technologie kann Ermüdungserscheinungen vorbeugen und ihm helfen, früher bessere Entscheidungen zu treffen. Es ist jedoch nicht einfach, die Fähigkeiten eines erfahrenen Wachmanns zu verbessern. Es bedarf großer Anstrengungen, um die Wissensbasis aufzubauen, die die digitale Interpretation von Informationen unterstützt.

Eine der häufigsten Anfragen, die SEA.AI erhält, betrifft die Fähigkeit seines Systems, halb untergetauchte Container zu erkennen. Das Erkennen eines schwimmenden Containers ist aufgrund seiner im Vergleich zu Bojen größeren Größe, seiner starren rechteckigen Struktur und des Temperaturunterschieds zwischen dem Container und dem umgebenden Wasser meist unkompliziert. Jedes Objekt kann jedoch je nach Betrachtungswinkel, Entfernung, Meeresbedingungen, Eintauchtiefe, Ausrichtung im Wasser, Tageszeit, Wetterbedingungen, Sonnenlichtintensität, räumlicher Ausrichtung und Neigung und anderen Variablen erhebliche Abweichungen aufweisen. Daher benötigt SEA.AI zur sicheren Identifizierung eines Objekts oft Eingaben von Hunderttausenden von Bildern.

Furuno-Systeme können eine grafische virtuelle Form über AIS-Ziele wie Bojen, Boote und Schiffe legen, um bei schlechten Sichtverhältnissen Details zu deren Position bereitzustellen. Bild mit freundlicher Genehmigung von Furuno
Das Technologieunternehmen Orca AI hat die Vorteile digitaler Unterstützung zur Vermeidung abrupter Manöver und Routenabweichungen berechnet. Ein Kunde, Seaspan Corp , verzeichnete eine 19-prozentige Reduzierung der Beinahezusammenstöße und eine 20-prozentige Erhöhung des durchschnittlichen Mindestabstands zu anderen Schiffen. Dies führt zu einer geschätzten jährlichen Treibstoffeinsparung von 100.000 Dollar pro Schiff durch den Navigationsassistenten von Orca AI.

Osher Perry, CEO von Shipin Systems, gibt an, dass die operativen Ergebnisse zu einer 42-prozentigen Reduzierung der Zwischenfälle und einer 17-prozentigen Erhöhung der Einhaltung der Brückenbesetzungsvorschriften führen, wenn sein KI-basiertes Kamerasystem in zentralen Betriebsbereichen eines Schiffs platziert wird. Das System bietet eine Echtzeit-Risikoerkennung, einschließlich der Früherkennung von Bränden, einer unbemannten Brücke und unsachgemäßer Verwendung von PSA, indem es Videodaten mit Schiffssystemen wie Navigations-, Wetter- und Maschinensensoren integriert. Einige Schiffe haben innerhalb von 180 Tagen nach der Inbetriebnahme null Zwischenfälle gemeldet, während verbesserte Wartung und frühzeitige Anomalieerkennung die ungeplanten Tage ohne Einsatz um 30 % reduziert haben.

Furuno nutzt KI, um seine Systeme zu erweitern, die bereits eine grafische virtuelle Form über AIS-Ziele wie Bojen, Boote und Schiffe legen können, um bei schlechten Sichtverhältnissen Einzelheiten zu ihrer Position bereitzustellen. Das Unternehmen entwickelt derzeit ein automatisches oder unterstütztes Andocksystem.

Darüber hinaus, sagt Matt Wood, National Sales Manager bei Furuno USA Inc. , hat das Unternehmen an mehreren halbbemannten und autonomen Fahrten innerhalb Japans teilgenommen. „Eines der wahrscheinlichsten Szenarien in naher Zukunft ist, dass die menschliche Besatzung an Bord von Schiffen sowohl durch maschinelles Lernen als auch durch Visualisierung der Schiffssituation von einer Einrichtung an Land aus unterstützt wird.“

Er fährt fort: „Wir befinden uns gerade in einer Phase der AR-Entwicklung, in der viele Tools entwickelt werden, von denen viele gut sind. Es gibt jedoch keine Standardisierung dieser Darstellungen. Wir können und sollten den Seefahrer nicht aus der Gleichung herausnehmen, aber wir müssen ihm die bestmöglichen Informationen auf eine möglichst leicht verständliche Weise präsentieren.“

Furuno beteiligt sich am OpenBridge-Projekt der Oslo School of Architecture and Design in Partnerschaft mit zahlreichen anderen Unternehmen, darunter Kongsberg, Brunvoll und Vard. Gemeinsam haben sie eine Sammlung von Tools und Ansätzen entwickelt, um das Brückendesign auf der Grundlage moderner Benutzeroberflächentechnologie und menschenzentrierter Designprinzipien zu verbessern. Ziel ist es, die Fragmentierung zu vermeiden, die mit vielen verschiedenen Benutzeroberflächen auf einer Brücke einhergeht, den Schulungsbedarf erhöht und auch die Wahrscheinlichkeit menschlicher Fehler erhöht.

Bei den meisten Technologiedemonstrationen des OpenAR-Projekts lag der Schwerpunkt bisher auf der Unterstützung der Situationswahrnehmung durch Point-of-Interest-Anzeigesysteme, die Schiffe und andere Informationen über der realen Welt zeigten.
– Professor Kjetil Nordby , Oslo School of Architecture and Design
Bild mit freundlicher Genehmigung von Kjetil Nordby Renderbild einer AR-Überlagerung auf der Brückennock mithilfe einer am Kopf befestigten AR-Schnittstelle. Renderbild von Jon Fauske, Copyright Oslo School of Architecture and Design. Bild mit freundlicher Genehmigung von Kjetil Nordby Mehr als 1.000 Unternehmen haben sich inzwischen für den Zugriff auf die Richtlinien registriert, und der Erfolg von OpenBridge hat zum OpenAR -Projekt geführt, das die Leitlinien um AR-Funktionen erweitert. Die meisten Technologiedemonstrationen des Projekts konzentrierten sich bisher auf die Unterstützung der Situationswahrnehmung durch Point-of-Interest-Anzeigesysteme, die Schiffe und andere Informationen über der realen Welt anzeigen, sagt Professor Kjetil Nordby von der Oslo School of Architecture and Design. „Diese werden jetzt für Videos in Remote Operations Centern, auf Fenster projizierte Schnittstellen, bildschirmbasierte Situationswahrnehmungssysteme auf Schiffen und Head-up-Displays ähnlich wie Autosysteme entwickelt. Wir haben noch keinen Partner gesehen, der am Kopf befestigte Systeme herstellt, aber wir erwarten, dass dies auch in der näheren Zukunft liegt.“

Sein Fokus auf Arbeitsplatzgestaltung erstreckt sich auch auf Maschinenräume, und zuletzt beschäftigt er sich mit dem Projekt OpenZero mit Dekarbonisierungstechnologien, die die Energieeffizienz steigern und den Kraftstoffverbrauch senken. Zu den Partnern dieses Projekts zählen ABB, GE Marine und DNV.

All diese Projekte zielen darauf ab, die Entscheidungsfindung der Besatzung zu unterstützen. Die entwickelten Systeme sind jedoch auch die Bausteine für die sichere Navigation und Steuerung autonomer Schiffe. Dafür muss die Entscheidungsfindung der Maschinen erweitert werden.

„Die Vorhersage von Fußgängern und anderen Fahrzeugen oder Schiffen ist einer der am meisten geförderten Forschungsbereiche der autonomen Navigation in Land-, Luft- oder Seesystemen“, sagt Professor Lokukaluge Prasad Perera von der Arktischen Universität Norwegens . Perera testet Modelle zur Vorhersage des Schiffsverhaltens auf weite und kurze Distanz mit Hilfe neuronaler Netzwerke, die aus umfangreichen Datenbanken, wie sie beispielsweise von Trainingssimulatoren generiert werden, sowie aus Sensor- und AIS-Daten an Bord lernen können. Ziel ist es, sichere Entscheidungen auf autonomen Schiffen zu ermöglichen und der Besatzung zu helfen, das Verhalten autonomer Schiffe zu verstehen, wenn sie auf diese treffen.

Pereras Team arbeitet an einem groß angelegten Prädiktor, der neuronales Netzwerklernen mit AIS-Daten kombiniert, um die Flugbahn eines Schiffes bis zu 20 Minuten im Voraus vorherzusagen. Außerdem wird ein lokaler Prädiktor entwickelt, der Schiffskinematikmodelle und neuronales Netzwerklernen aus Leistungsdaten von Schiffen an Bord kombiniert, um die unmittelbaren 20 Sekunden der Flugbahn eines Schiffes genau vorherzusagen.

„Der lokale Prädiktor ist für viele Situationen bei Schiffsbegegnungen wichtig, um das mögliche Kollisionsrisiko einzuschätzen. Daher können sowohl lokale als auch globale Prädiktoren autonomen Schiffen helfen, mögliche Kollisionssituationen zu erkennen und dann frühzeitig geeignete Maßnahmen zu ergreifen“, sagt Perera. „Wenn Systeme Entscheidungen treffen, sind diese frühen Vorhersagen äußerst wichtig.“

Shipin Systems bietet Risikoerkennung in Echtzeit, einschließlich Früherkennung von Bränden, einer unbemannten Brücke und unsachgemäßer Verwendung von PSA. Bild Copyright 2024, mit freundlicher Genehmigung von ShipIn Systems Inc.