Автономные системы известны сегодня во многом благодаря новейшим тенденциям в автомобильной промышленности.
Фактически автоматизированные системы различной степени автономности являются частью перспективных разработок и планов развития во многих сферах деятельности.
Представленная статья Вернера Дамма и Ральфа Кальмана из журнала «Информатик-Спектр» выпуск 5/2017 описывает различные отраслевые нормы и стандарты, а также характеризует функциональные возможности и требования к методам, процессам и инструментам разработки соответствующего программного обеспечения.
Каковы преимущества автономности?
Насколько техническая система? должен И как много Может быть быть автономным? Сегодня, похоже, нет предела реализации все более и более совершенных автономных систем.Мы находимся на пороге вывода на рынок технологий, самостоятельно выстраивающих сложные взаимосвязи в окружающем мире на основе предоставленных данных, автоматической идентификации объектов и информации от датчиков различного уровня.
Все это используется для получения точного цифрового представления реальности для реализации поставленной задачи.
Внедряются системы, способные анализировать возможное дальнейшее развитие событий в окружающей реальности, выходящее далеко за пределы аналитических способностей человека.
Внедряются системы, которые самостоятельно планируют и реализуют задачи, не требуя посторонней поддержки.
Эти системы наделены человеческими когнитивными способностями, соответствующими контексту поставленной задачи, что позволяет им действовать полностью автономно.
В недавно опубликованном отчете правительства Германии о стратегии в области высоких технологий показано множество применений автономных систем.
Среди них все виды «Умных систем», такие как «Умная мобильность», «Умное здоровье», «Умное производство», «Умная энергетика», интеллект которых реализован на основе вышеперечисленных возможностей.
Они способны создавать цифровую картину мира в режиме реального времени, обрабатывать данные из множества источников информации и организовывать совместную работу миллионов подсистем таким образом, чтобы обеспечить успешное достижение поставленных целей, таких как оптимизация использование ресурсов.
Преимущества этого могут быть применены во многих сферах общественной жизни: здравоохранении и транспорте, энергопотреблении, производительности и качестве продукции, предотвращении стихийных бедствий и предотвращении столкновений различных транспортных средств.
Philips, например, используя специальные носимые датчики для послеоперационного наблюдения за пациентами, ожидает снижения частоты послеоперационных остановок сердца на 86%, а за счет «умного» отслеживания критических параметров здоровья при амбулаторной помощи – снижения ее стоимости на 34%.
Автоматизированные системы управления существуют уже довольно много лет. Автоматизация позволяет эффективно использовать технологии без необходимости ручного вмешательства.
Типовые задачи автоматизированного управления и настройки оборудования представлены в виде схем управления, для которых созданы математические модели и которые реализованы в виде электронных устройств и программного обеспечения.
Современное развитие киберфизических систем выходит далеко за эти пределы.
Интеграция ИТ со встроенными системами управления и динамическое взаимодействие друг с другом позволяют им работать вместе через разнородные интерфейсы данных.
Как и автоматизация в 1980-х годах, автономное производство обещает повысить эффективность, производительность и качество.
Разработки такого рода ведутся во многих областях применения технических систем.
Хотя сценарии их применения различаются, в области программного обеспечения можно выявить общие проблемы и описать общие методы их решения.
Примеры таких методов будут представлены в последней части статьи.
Особый интерес представляет использование самообучающихся систем.
С ними потенциальные возможности автономности кажутся безграничными, поскольку становится возможным распознавать изначально неизвестные артефакты окружающего мира, влияющие на работу системы, и изучать связанные с ними динамические модели.
Таким образом, открываются новые, ранее непредвиденные возможности использования технологий.
Потенциальная рыночная стоимость технологий, возникающих в результате этих разработок, оценивается в сотни миллиардов долларов.
В частности, исследование проекта Евросоюза Платформы4CPS предоставляет следующие данные:
- К 2035 году на беспилотные автомобили будет приходиться 10% всех продаж.
Это соответствует примерно 12 миллионам единиц и объему рынка в 39 миллиардов долларов США.
- По оценкам, рынок управления авиаперевозками вырастет с 50,01 млрд долларов США в 2016 году до 97,3 млрд долларов США в 2022 году, при этом среднегодовые темпы роста составят 11,73%.
- Ожидается, что в течение следующего десятилетия мировой рынок роботизированной авиации будет расти в среднем на 17,7% в год, так что в 2025 году его стоимость достигнет 7,9 млрд долларов США (по данным « Рынки и рынки “).
- Объем рынка дронов оценивается в 13,22 млрд долларов США и должен достичь 28,27 млрд к 2022 году с ежегодным темпом роста 13,51%.
- Рынок беспилотных автомобилей оценивается от 437,57 млн долларов в 2016 году до 861,37 млрд в 2021 году с ежегодным ростом на 14,51%.
- Объем рынка автономных подводных аппаратов увеличится с 2,29 млрд долларов США в 2015 году до 4,00 млрд долларов США в 2020 году, при этом прогнозируемые ежегодные темпы роста составят 11,90%.
- Ожидается, что рынок промышленного Интернета вещей (IIoT) вырастет со 110 миллиардов долларов США в 2020 году до 123 миллиардов долларов в 2021 году.
- Технологический рынок носимых гаджетов имеет объем 28,7 млрд долларов США.
Gartner прогнозирует, что в период с 2015 по 2017 год этот рынок будет расти в среднем на 17,9% в год. Самым быстрорастущим сегментом является сегмент носимых мобильных гаджетов с годовым темпом роста 30%.
- Рынок микросети в 2015 году был оценен в 16,58 млрд долларов США.
В 2022 году Markets and Markets ожидает его роста до 38,99 млрд долларов США с годовым темпом роста 12,45%.
Это поднимает вопрос о том, в чем на самом деле смысл таких событий и какое влияние они оказывают на общество.
В условиях постоянно возрастающего уровня автономности качество взаимодействия человека и техники обязательно изменится.
Сегодня человек выступает не только конечным пользователем, но и во многих случаях частью системы управления ( человек в курсе ).
Автономизация создает тенденцию, которая выводит взаимодействие человека и технологии на более высокий уровень абстракции.
Автономная система дает человеку возможность ознакомиться с частью «своего» цифрового видения мира с помощью подходящих абстракций, таких как, например, технологии виртуальной реальности, актуальные для решения конкретной задачи в данный момент времени.
И наоборот, человек может легко влиять на сложные процессы внутри системы посредством интуитивно понятных человеко-машинных интерфейсов.
Это общение, сопровождающееся возрастающим уровнем абстракции, требует, в свою очередь, определенного уровня квалификации и подготовки.
При этом рабочие места для низкоквалифицированного персонала исчезнут за ненадобностью.
Постоянное использование большого количества источников данных значительно увеличит риск небезопасности данных.
Архитектура сетевых распределенных систем будет предъявлять чрезвычайно высокие требования к ее защищенности во избежание катастрофического воздействия возможных кибератак, направленных на вывод из строя отдельных компонентов.
С ростом автономии также возникает вопрос о том, какие ценности должен иметь лежащий в основе процесс принятия решений и соответствуют ли они нашим собственным.
Исходя из этого, Европейский парламент в своей резолюции от 16 февраля 2017 года постановил:
- применять принцип прозрачности, который подразумевает, что всегда должна быть возможность установить принципы и обоснование каждого решения, принимаемого с помощью искусственного интеллекта, которое может оказать существенное влияние на жизнь человека;
- Всегда должна быть возможность представить вычислительные алгоритмы системы с использованием искусственного интеллекта в понятной человеку форме;
- Прогрессивные роботы должны быть оснащены так называемым «черным ящиком», в который записываются данные о каждой транзакции, совершаемой машиной, включая логику, которая способствовала принятию того или иного решения.
Таким образом, эти темы выходят за рамки чисто профессиональной сферы.
Как следует проектировать автономные системы, чтобы они не только приносили экономическую выгоду, но и были положительно восприняты обществом? Эти проблемы должны стать предметом изучения информатики.
Пришло время переосмыслить существующие процессы и методологии проектирования, которые должны постоянно включать оценку социального воздействия разрабатываемых автономных систем.
Классы автономности в различных отраслях
Самый известный пример — автономные транспортные средства в автомобильный промышленность.Многие производители объявили о выпуске своих автомобилей в ближайшие 3-4 года.
Однако имеющиеся сегодня вспомогательные системы позволяют реализовать удивительные вещи.
Несмотря на это, путь от частично автоматизированного вождения (некоторые производители в данном случае говорят и о «пилотируемом» вождении) до полностью автономного вождения еще очень далек.
При частичной автоматизации (соответствует 2-му уровню автоматизации по СА? ) основная ответственность лежит на человеке, и он должен иметь возможность самостоятельно вмешаться в процесс в кратчайшие сроки.
Кроме того, возможность использования таких систем ограничена строго стандартизированной средой (например, движением по шоссе).
На уровне высокоавтоматизированного вождения (уровень автоматизации SAE 3) водителю разрешается уделять свое внимание другим вещам, то есть программное обеспечение гарантирует полную безопасность вождения или, в случае какой-либо ошибки, переводит систему в безопасный режим.
состояние, например, остановку автомобиля на обочине дороги.
Полностью автоматизированные транспортные средства (уровень SAE 4), которые выполняют свои задачи полностью без помощи водителя, представляют собой высочайший уровень автономности и не требуют никаких указаний относительно скорости или окружающих условий.
На развитие этой отрасли существенное влияние оказывает, прежде всего, не желание простых людей передать управление своим автомобилем в другие руки, а потребности новых транспортных компаний в соответствующих услугах, открывающих новые сегменты рынка или предлагающих больше эффективный и быстрый общественный транспорт в населенных пунктах.
В грузовых перевозках автоматизация позволяет разгрузить водителя, который может посвятить освободившееся время другим задачам и тем самым работать более продуктивно.
В Железнодорожный и, особенно на подземном транспорте, некоторые процессы уже автоматизированы.
Здесь применяется упрощенная модель, поскольку система работает на однородном ландшафте, где нет пересечения транспортных маршрутов и многие пути изолированы друг от друга.
С другой стороны, к этому добавляется более высокая система управления и координации процессов, именно поэтому Международный Союз Общественного Транспорта ( МСОТ ) включила в свою классификацию систему мониторинга и контроля более высокого уровня.
Автоматизированная система поездов содержит следующие три компонента: безопасность, управление поездами и мониторинг поездов.
Безопасность контролируется путем поддержания расстояния между поездами, а также контроля их скорости.
Контроль обеспечивает движение поезда по расписанию и регулирует, например, открытие и закрытие дверей вагона.
Мониторинг поездов, в свою очередь, контролирует все маршруты и всю инфраструктуру и передает соответствующую информацию в центр управления.
Такую систему проще всего реализовать в метрополитене, исходя из однородности транспортных средств и изолированности инфраструктуры.
Однако соответствующие концепции можно перенести и на другие области железнодорожного транспорта, даже на крупные сортировочные станции.
Однако проблемы по-прежнему возникают при наблюдении и контроле за движением международного транспорта или из-за сложности условий, например, при движении пригородных поездов на станциях различных типов.
Движущей силой развития автоматизации железнодорожного транспорта является высокая экономическая выгода от предлагаемых решений, достигаемая, например, за счет экономии электроэнергии при согласовании процессов разгона и торможения в одной транспортной сети.
В воздух На транспорте автоматизированное управление полетом применяется уже давно.
Для дронов, используемых в основном в военных целях, повышен уровень автономности в плане независимого планирования задач и управления миссиями.
Десять уровней автономности ALFUS (Уровни автономии для беспилотных систем) используют три проекции для характеристики возможностей системы: независимость от вмешательства человека, сложность задачи и сложность окружающей среды.
Вместе они характеризуют способность действовать автономно.
В поисках технологических решений для более высокой степени автономности также добавляются такие темы, как групповое поведение, адаптивная коммуникация между устройствами и самообучение, которые пока не затронули другие упомянутые выше таксономии.
В производство Автоматизированные процессы стали стандартом с появлением программируемых логических контроллеров (ПЛК) в 1980-х годах.
Однако такие процессы малогибки и ориентированы на массовое производство.
Индивидуальное производство или рыночные изменения в портфеле продукции приводят к дорогостоящим реконфигурациям производственных линий и переоснащению оборудования.
В процессе развития цифровых технологий и на основе концепции Индустрия 4.0 Производство по индивидуальному заказу стремится достичь того же уровня эффективности и качества, что и массовое производство.
В то же время оно должно автоматически адаптироваться к меняющимся условиям и новым производственным целям.
Исследовательское общество Фрауэнгофера предлагает пять эволюционных шагов, сопровождающих это развитие.
Прежде всего, требуется обеспечить сбор и обработку производственных данных.
Это станет основой для систем поддержки, помогающих в работе и принятии решений.
На третьем этапе объединение этапов производства в единую сеть обмена данными и их интеграция между собой обеспечивают необходимые условия для оптимизации всей системы в целом.
Для повышения эластичности производства на четвертом этапе от системы требуется способность к трансформации и перенастройке.
И на последнем пятом уровне производственная система должна уметь самоорганизовываться.
Сегодня производственные системы расположились на уровнях от первого (сбор производственных данных) до третьего (производство, связанное сетью общих данных, например, в производстве автомобилей).
Для перехода на следующий этап обычно требуется полная перестройка всей производственной архитектуры, что соответственно дорого.
Уровни автономии всех перечисленных доменов приложений снова показаны в таблице с попыткой представить одинаковые степени автономии разных доменов на одном уровне.
| Уровень автономии | Автомобильный транспорт | Железнодорожный транспорт | Авиация | Производство |
|---|---|---|---|---|
| 0 | Никакой автоматизации | «Едет так, как видит» | Сбор и обработка данных | |
| 1 | Системы помощи | Системы помощи | ||
| 2 | Частичная автоматизация | Автоматизированные системы безопасности с водителем | Ограниченный контроль | Работа в единой сети и интеграция |
| 3 | Условная автоматизация | Автоматизированные системы безопасности и управления с водителем | Диагностика состояния в режиме реального времени | Децентрализация, адаптация и трансформация |
| 4 | Высокая автоматизация | Беспилотная операция | Адаптивность к ошибкам, поломкам и изменениям условий полета | |
| 5 | Полная автоматизация (автономность) | Беспилотная работа без контроля человека | Изменение маршрута самостоятельно | Самоорганизация и автономия |
| 6 | Автономное поведение в группе при любых внешних условиях.
|
Была разработана и опубликована обобщенная классификация, которая успешно объединила бы различные аспекты.
СейфТРАНС в рамках технического планирования внедрения высокоавтоматизированных систем.
Он делит основные аспекты автоматизации на четыре класса:
- Функциональные автоматизированные системы может автономно выполнять ограниченные, четко определенные задачи, такие как автоматическая парковка, посадка или полностью автоматизированное производство одного конкретного продукта.
Эти системы не могут обучаться во время работы; сотрудничество с другими системами ограничивается только обменом контекстной информацией, т.е.
никакого взаимодействия нет.
- Целевые системы , может решать незапланированную последовательность знакомых и выполнимых задач независимо от текущей ситуации.
Это может быть, например, автономное вождение автомобиля по трассе или работа одной линии метро.
При реализации этого могут играть роль различные критерии оптимизации, например, минимизация затрат времени или ресурсов.
Расчеты по планированию и оптимизации выполняются системой динамически в момент выполнения задачи.
Эти системы также не могут учиться во время работы; сотрудничество с другими системами ограничивается обменом информацией о контексте задачи и о самой системе.
- Совместные системы — это такие системы, как роботы, группы транспортных средств или летающие дроны, которые движутся в определенном порядке или взаимодействуют друг с другом, чтобы избежать столкновений.
Для выполнения своей миссии такие системы способны взаимодействовать с другими системами и людьми, а также динамически координировать друг с другом свои восприятия, интерпретации, цели, планы и действия.
Эти системы обмениваются соответствующей информацией со своими партнерами, но все еще не учатся.
- Самодостаточные (аутопоэтические) системы - Это системы, которые способны самостоятельно развивать свои способности к восприятию, интерпретации, действию и сотрудничеству, а также обмениваться этим с другими системами (в том числе воспроизводить усвоенное поведение).
Таким образом, эти системы демонстрируют поведение, подобное человеческому, и на сегодняшний день еще не реализованы на практике.
Способность обучаться без присмотра является основной характеристикой этого класса систем.
На сегодняшний день киберфизические системы не могут быть наделены такой возможностью, поскольку отсутствуют соответствующие нормативные требования, обеспечивающие их надежную и безопасную работу, а также невозможно доказать предсказуемость и надежность системы после ее спонтанного изменения.
Однако недавние технологические прорывы в области глубокого обучения и высокие результаты в распознавании изображений и идентификации образов показывают, что разработки в этом направлении и возможности машинного обучения развиваются очень быстрыми темпами.
Однако на этом пути еще много препятствий и необходимы дополнительные исследования: нейронные сети также могут развиваться в непредвиденных направлениях или извлекать из данных закономерности, которые не следует распознавать.
Текущие исследования показывают, например, что процесс автоматического обучения также изучает этически нежелательные исторические данные, такие как гендерные предпочтения или расистское поведение.
Поэтому необходимо осуществлять соответствующий этический и юридический контроль.
Вот почему сегодня нейронные сети невозможно изменить после этапа обучения.
Однако из-за большого количества входных данных и сложности нейронных сетей проблема неопределенности в их поведении все еще остается.
Роль автономных систем все чаще рассматривается с точки зрения их воздействия на человека, особенно в азиатском регионе.
Они должны помогать людям, облегчая их работу.
При этом человек по-прежнему является элементом управления (human-in-the-loop), поэтому в данном случае можно говорить о кооперативном интеллекте.
Примером тому является взаимодействие человека и робота при совместном выполнении задачи.
Такие самодостаточные системы будущего передают опыт между машинами и людьми и адаптируют их поведение.
При этом появляется возможность решения этических вопросов.
Поведение машин по отношению к людям — область исследования машинной этики.
Однако даже более простые автономные системы требуют человеческого интерфейса.
Соответствующие пользовательские интерфейсы должны предоставлять четкую информацию, предоставлять разнообразные услуги и информацию и, в идеале, учитывать индивидуальное поведение человека в различных ситуациях.
Требования к автономности
В этом разделе представлены основные рекомендации SafeTRANS относительно безопасности, работоспособности и разработки высокоавтономных систем.Основной трудностью для автономной системы является распознавание окружающей реальности.
Сложность процессов в окружающем мире делает невозможным проведение многочисленных тестов, необходимых для работы автономной системы.
Исходя из этого, рекомендуется внедрить дополнительную систему непрерывного мониторинга системы и обучать ее на основе данных, полученных в ходе реальных испытаний.
На схеме ниже показан такой процесс обучения на мета-уровне, при котором система тестируется в реальных условиях, а данные наблюдений после независимой оценки становятся основой процесса обучения.
SafeTRANS рекомендует следующие мероприятия для разработки автономных систем:
| Объем | События |
|---|---|
| 1. Модели окружающего мира | 1.1. Разработка единого открытого отраслевого стандарта для моделей окружающей среды в различных областях применения в зависимости от стадии разработки и уровня сложности системы.
1.2. Создание общедоступного процесса и связанной с ним инфраструктуры для виртуального тестирования систем. Для этого вам нужны: аккредитованные учреждения; общедоступная тестовая среда; характеристики реальных испытаний. 1.3. Создание приемлемой для контролирующих органов и общества аргументации, доказывающей безопасность высокоавтоматизированных систем и основанной на результатах виртуальной проверки и тестирования в реальных условиях.
|
| 2. Обучающееся сообщество | 2.1. Создание публичного процесса обучения на основе наблюдений в реальных условиях.
Для этого вам необходимо: независимый аккредитованный Трастовый центр; обязательство коммерческих организаций добровольно предоставлять уполномоченному Центру доверия необходимые анонимные данные; передача Доверительным центром результатов анализа обратно в процесс валидации.
|
| 3. Архитектура | 3.1. Стандартизация протоколов обмена информацией между объектами и ситуациями в отрасли для обеспечения их взаимодействия друг с другом.
3.2. Стандартизированная функциональная архитектура автоматизированных систем и их компонентов, демонстрирующая безопасность и обеспечивающая минимальную функциональность в упрощенных режимах использования. 3.3. Последовательный, последовательный процесс разработки высокоавтоматизированных систем, включая обязательные обновления и обновления. 3.4. Отраслевой стандарт для сертификации/проверки совместимости обновлений системы с существующей электрической архитектурой. 3.5. Четкие стандартизированные уровни деградации системы с гарантированным минимумом функциональности.
|
| 4. Гарантия взаимной совместимости автономных транспортных средств.
|
4.1. Международная классификация архитектур высокоавтоматизированных систем и их взаимная совместимость.
4.2. Введение сертификатов соответствия на архитектуры вышеуказанной классификации, выдаваемых открытой общественной организацией. 4.3. Международный согласованный процесс выпуска систем следующего поколения |
| 5. Платформа | 5.1. Предоставление платформы с основными услугами для беспилотных транспортных средств на различных стадиях разработки.
5.2. Установление специальных стандартов для платформ, позволяющих проводить их независимую сертификацию. 5.3. Предоставление программного модуля, способного отображать воспринимаемое на данный момент состояние окружающего мира в каждый момент времени, картину возможного развития событий, а также давать на основании этого рекомендации к действию.
|
-
Яндекс Шрифт — Яндекс Санс
19 Oct, 24 -
Поймай Меня, Если Сможешь. Письмо Менеджера
19 Oct, 24 -
Обзор Безлимитного Мобильного Интернета
19 Oct, 24 -
Нетбук Страсть
19 Oct, 24
