桥梁及其他领域：人工智能、增强现实彻底改变海事决策
Furuno 系统可以在 AIS 目标（例如浮标、船只和舰船）上叠加图形虚拟形状，以在低能见度条件下提供其位置的详细信息。图片由 Furuno 提供
“在不久的将来，最有可能出现的情况之一是，船上的人类船员将通过机器学习和岸上设施对船舶情况的可视化获得增强。” Matt Wood，Furuno USA Inc. 全国销售经理
头戴式 AR 界面（左侧）与基于屏幕的 AR 界面（右侧）的渲染图。渲染图由 Jon Fauske 绘制，版权归奥斯陆建筑与设计学院所有。图片由 Kjetil Nordby 提供
当船舶驶入港口时 AR 叠加层如何变化的渲染。 Jon Fauske 渲染，奥斯陆建筑与设计学院版权所有。图片由 Kjetil Nordby 提供
Shipin Systems 使用基于 AI 的摄像系统，该系统放置在船舶各处的核心作业区域。图片由 ShipIn Systems Inc. 提供。
在舰桥上提供智能决策支持已经成为可能：借助Furuno 的技术，船舶正面的实时视频图像上叠加了导航信息，包括航向、AIS 数据、雷达目标跟踪、物体识别、航线航点和图表信息。
SEA.AI 的桥梁支持系统可以识别最远 7.5 公里（近 5 英里）范围内未安装 AIS 的大型船只、最远 3 公里（近 2 英里）范围内的小型船只和最远 700 米（近半英里）范围内的漂浮物。
利用技术增强值班人员的态势感知能力可以减少疲劳，帮助他们更早地做出更好的决策。但增强经验丰富的值班人员的技能并不容易。构建支持信息数字化解读的知识库需要付出很多努力。
SEA.AI 收到的最常见询问之一是其系统检测半浸没集装箱的能力。检测漂浮集装箱大多很简单，因为它比浮标更大、具有刚性的矩形结构，并且集装箱与周围水之间的温差很大。然而，任何物体都可能因视角、距离、海况、浸没程度、水中方向、一天中的时间、天气条件、阳光强度、空间方向和倾斜度等变量而表现出显著的变化。因此，为了自信地识别物体，SEA.AI 通常需要输入数十万张图像。
Furuno 系统可以在 AIS 目标（例如浮标、船只和舰船）上叠加图形虚拟形状，以在低能见度条件下提供其位置的详细信息。图片由 Furuno 提供
科技公司Orca AI已经计算出使用数字支持来避免急转弯和航线偏差的好处。Seaspan Corp 的一位客户记录显示，使用 Orca AI 的导航助手后，近距离接触减少了 19%，与其他船只的最小平均距离增加了 20%，估计每艘船每年可节省 10 万美元的燃料。
Shipin Systems 首席执行官 Osher Perry声称，当其基于 AI 的摄像系统被放置在船舶的核心作业区域时，运营结果包括事故减少 42% 和舰桥人员配备合规性提高 17%。该系统通过将视频数据与船舶系统（包括导航、天气和机械传感器）相结合，提供实时风险检测，包括火灾的早期检测、无人驾驶舰桥和 PPE 的不当使用。一些船舶在部署后的 180 天内报告了零事故，而改进的维护和早期异常检测将计划外停租天数减少了 30%。
Furuno 正在使用人工智能来增强其系统，该系统已经可以在浮标、船只和轮船等 AIS 目标上叠加图形虚拟形状，以在低能见度条件下提供其位置的详细信息。该公司目前正在开发自动或辅助对接系统。
此外， Furuno USA Inc. 全国销售经理 Matt Wood表示，该公司已参与日本境内的几次半载人和自主航行。“在不久的将来，最有可能出现的情况之一是，船上的人类船员将通过机器学习和岸上设施对船舶情况的可视化来增强能力。”
他继续说道：“我们目前正处于 AR 开发阶段，许多工具正在被创建，其中许多都很好。然而，这些显示没有标准化。我们不能也不应该将水手排除在外，但我们需要一种方法，以尽可能容易识别的方式向他们提供最好的信息。”
Furuno 正在参与由奥斯陆建筑设计学院牵头的 OpenBridge 项目，并与 Kongsberg、Brunvoll 和 Vard 等多家公司合作。他们共同开发了一系列工具和方法，以基于现代用户界面技术和以人为本的设计原则来改进桥梁设计。其目的是避免桥梁上存在许多不同用户界面所带来的碎片化，从而增加培训需求并增加人为失误的可能性。
到目前为止，OpenAR 项目的大部分技术演示都集中于通过兴趣点显示系统支持态势感知，显示现实世界的船只和其他信息。
——Kjetil Nordby 教授，奥斯陆建筑与设计学院
图片由 Kjetil Nordby 提供
使用头戴式 AR 界面渲染的桥翼上的 AR 叠加层。渲染者 Jon Fauske，版权归奥斯陆建筑与设计学院所有。图片由 Kjetil Nordby 提供目前已有 1,000 多家公司注册访问指南， OpenBridge的成功催生了OpenAR项目，该项目正在将指南扩展到 AR 功能。奥斯陆建筑与设计学院的 Kjetil Nordby 教授表示，到目前为止，该项目的大部分技术演示都集中在通过兴趣点显示系统支持态势感知，该系统显示现实世界中的船只和其他信息。“现在这些技术已用于远程操作中心的视频、窗口投影界面、船上屏幕态势感知系统和类似于汽车系统的平视显示器。我们还没有看到任何合作伙伴制造头戴式系统，但我们预计这也将很快出现。”
他对工作场所设计的关注延伸到了机舱，最近，他通过 OpenZero 项目，涵盖了提高能源效率和减少燃料消耗的脱碳技术。该项目的合作伙伴包括 ABB、GE Marine 和 DNV。
所有这些项目都旨在支持船员的决策，但正在开发的系统也是自主船舶安全航行和管理的基石。为此，需要增强机器的决策能力。
挪威北极大学的 Lokukaluge Prasad Perera 教授表示：“预测行人和其他车辆或船只是陆地、空中或海上系统自主导航领域获得资助最多的研究领域之一。”Perera 正在测试一种预测远距离和近距离船舶行为的模型，该模型使用神经网络，可以从大量数据库（例如在训练模拟器上生成的数据库）以及船上传感器和 AIS 数据中学习。其目的是确保自主船舶能够做出安全决策，并帮助船员了解遇到自主船舶时的行为。
Perera 的团队正在开发一种大规模预测器，该预测器将神经网络学习与 AIS 数据相结合，可预测船舶长达 20 分钟的轨迹。此外，他们还在开发一种局部预测器，该预测器将船舶运动模型与从船上船舶性能数据中学习的神经网络相结合，可准确预测船舶当前 20 秒的轨迹。
“局部预测器对于许多近距离船舶相遇情况评估可能的碰撞风险非常重要。因此，局部和全局预测器都可以帮助自主船舶检测可能的碰撞情况，然后在早期采取适当的行动，”Perera 说。“当系统做出决策时，这些早期预测非常重要。”
Shipin Systems 提供实时风险检测，包括火灾的早期检测、无人驾驶桥梁和不当的 PPE 使用。图片版权归 ShipIn Systems Inc. 所有，2024 年。
