Deep Ensemble for Rotorcraft Attitude Prediction

要約

歴史的に、回転翼航空機コミュニティは、商業航空や一般航空を含む他の航空部門よりも高い死亡事故率を経験してきました。
人工知能 (AI) の最近の進歩と、これらのテクノロジーの生活のさまざまな分野への応用は、興味深いものであり、勇気づけられるものでもあります。
AI 技術を航空分野に適切に開発すると、回転翼航空機の安全性の課題に対処できるシステムの設計に役立つ機会が提供されます。
私たちの最近の研究では、AI アルゴリズムが搭載カメラからのビデオ データを使用し、コックピットの計器からさまざまな飛行パラメーター (指示対気速度など) を正確に識別できることが実証されました。
これらの AI ベースの技術は、特に小型ヘリコプターの操縦者にとって、飛行状態の情報を記録し、飛行後の分析を実行するための、潜在的に費用対効果の高いソリューションを提供します。
また、慎重に設計されトレーニングされた AI システムが、外部のシーン (画像またはビデオ データ) から回転翼航空機の姿勢 (つまり、ピッチとヨー) を正確に予測できることも示しました。
通常の既製のビデオ カメラが回転翼航空機のコックピット内に設置され、地平線を含む外の景色を記録しました。
AI アルゴリズムは、80% の範囲の精度で回転翼航空機の姿勢を正確に識別できました。
この作業では、5 つの異なるオンボード カメラの視点を組み合わせて、姿勢予測精度を 94\% に向上させました。
この論文では、パイロットのフロントガラス、副操縦士のフロントガラス、パイロットの電子飛行計器システム (EFIS) ディスプレイ、副操縦士の EFIS ディスプレイ、および姿勢指示計を含む 5 つの機内カメラ ビューが含まれています。
各カメラ ビューからのビデオ データを使用して、さまざまな畳み込みニューラル ネットワーク (CNN) をトレーニングし、79\% % ～ 90\% % の範囲の予測精度を達成しました。
その後、すべての CNN から学習した知識をアンサンブルし、アンサンブル精度 93.3\% を達成しました。

要約(オリジナル)

Historically, the rotorcraft community has experienced a higher fatal accident rate than other aviation segments, including commercial and general aviation. Recent advancements in artificial intelligence (AI) and the application of these technologies in different areas of our lives are both intriguing and encouraging. When developed appropriately for the aviation domain, AI techniques provide an opportunity to help design systems that can address rotorcraft safety challenges. Our recent work demonstrated that AI algorithms could use video data from onboard cameras and correctly identify different flight parameters from cockpit gauges, e.g., indicated airspeed. These AI-based techniques provide a potentially cost-effective solution, especially for small helicopter operators, to record the flight state information and perform post-flight analyses. We also showed that carefully designed and trained AI systems could accurately predict rotorcraft attitude (i.e., pitch and yaw) from outside scenes (images or video data). Ordinary off-the-shelf video cameras were installed inside the rotorcraft cockpit to record the outside scene, including the horizon. The AI algorithm could correctly identify rotorcraft attitude at an accuracy in the range of 80\%. In this work, we combined five different onboard camera viewpoints to improve attitude prediction accuracy to 94\%. In this paper, five onboard camera views included the pilot windshield, co-pilot windshield, pilot Electronic Flight Instrument System (EFIS) display, co-pilot EFIS display, and the attitude indicator gauge. Using video data from each camera view, we trained various convolutional neural networks (CNNs), which achieved prediction accuracy in the range of 79\% % to 90\% %. We subsequently ensembled the learned knowledge from all CNNs and achieved an ensembled accuracy of 93.3\%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google