Digital Twin for Autonomous Surface Vessels for Safe Maritime Navigation

要約

自律水上艦艇 (ASV) は、外洋での運航の安全性と持続可能性においてますます重要な役割を果たしています。
ほとんどの海難事故は人的ミスに関連しているため、自律的な衝突回避と経路追跡のためのインテリジェントなアルゴリズムにより、海事部門のリスクを大幅に軽減できます。
DT は、実際の物理システムを仮想的に表すものであり、このような ASV の状況認識 (SITAW) を強化して、最適な決定を生成できます。
この研究は、ASV 用の既存の DT フレームワークに基づいて構築されており、予測機能、規範機能、および自律機能を有効にするための基盤を実証します。
これに関連して、他の動的オブジェクトの位置と動きを推定および予測するには、洗練されたターゲット追跡アプローチが不可欠です。
適用された追跡方法は、リアルタイムの自動識別システム (AIS) データと合成光検出および測距 (Lidar) 測定によって可能になります。
自律運転時の安全性を確保するために、非線形モデル予測制御（NMPC）の概念に基づく予測安全フィルターを適用しました。
このアプローチは、Unity ゲーム エンジンで構築された DT に実装されています。
結果として、この研究は、予測を行い、さまざまな仮定のシナリオを実行し、強化された SITAW に従って最適な制御決定を提供できる DT の可能性を示しています。

要約(オリジナル)

Autonomous surface vessels (ASVs) play an increasingly important role in the safety and sustainability of open sea operations. Since most maritime accidents are related to human failure, intelligent algorithms for autonomous collision avoidance and path following can drastically reduce the risk in the maritime sector. A DT is a virtual representative of a real physical system and can enhance the situational awareness (SITAW) of such an ASV to generate optimal decisions. This work builds on an existing DT framework for ASVs and demonstrates foundations for enabling predictive, prescriptive, and autonomous capabilities. In this context, sophisticated target tracking approaches are crucial for estimating and predicting the position and motion of other dynamic objects. The applied tracking method is enabled by real-time automatic identification system (AIS) data and synthetic light detection and ranging (Lidar) measurements. To guarantee safety during autonomous operations, we applied a predictive safety filter, based on the concept of nonlinear model predictive control (NMPC). The approaches are implemented into a DT built with the Unity game engine. As a result, this work demonstrates the potential of a DT capable of making predictions, playing through various what-if scenarios, and providing optimal control decisions according to its enhanced SITAW.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google