Sistemas autónomos del futuro. Clasificación, características y requisitos.

Los sistemas autónomos se conocen hoy en gran parte gracias a las últimas tendencias de la industria automotriz. De hecho, los sistemas automatizados de diversos grados de autonomía son una parte integral de desarrollos futuros y planes de desarrollo para muchas áreas de actividad. El artículo presentado por los autores Werner Damm y Ralf Kalman de la revista Informatik-Spektrum edición 5/2017 enumera varias normas y estándares de la industria, así como describe la funcionalidad y los requisitos para los métodos, procesos y herramientas para desarrollar el software correspondiente.

¿Cuál es la ventaja de la autonomía?

¿Cuánto debe ser un sistema técnico y qué tan autónomo puede ser?
Hoy parece que no hay límites para la implementación de sistemas autónomos cada vez más avanzados. Estamos a punto de introducir tecnologías que construyen independientemente relaciones complejas del mundo circundante sobre la base de los datos proporcionados, la identificación automática de objetos y la información de sensores de varios niveles. Todo esto se utiliza para obtener una representación digital precisa de la realidad para la implementación de la tarea. Se introducen sistemas que son capaces de analizar el posible desarrollo posterior de los eventos de la realidad circundante, que va mucho más allá de los límites de las capacidades analíticas humanas. Se están implementando sistemas que planifican e implementan tareas de manera independiente, sin requerir ningún soporte externo. Estos sistemas están dotados de habilidades cognitivas humanas que son relevantes en el contexto de la tarea, lo que les permite operar de manera completamente autónoma.

Un reciente informe del gobierno alemán sobre una estrategia de alta tecnología revela las muchas posibilidades para los sistemas autónomos. Entre ellos se encuentran todo tipo de "Sistemas inteligentes", tales como movilidad inteligente, salud inteligente, producción inteligente, energía inteligente, cuya inteligencia se realiza sobre la base de las posibilidades anteriores. Son capaces de crear una imagen digital del mundo en tiempo real, procesar datos de muchas fuentes de información y organizar el trabajo conjunto de millones de subsistemas para garantizar la implementación exitosa de objetivos, como la optimización del uso de los recursos. Los beneficios de esto se pueden aplicar en muchas áreas de la vida pública: salud y transporte, consumo de energía, productividad y calidad de los productos, prevención de desastres naturales y colisiones de varios vehículos. Philips, por ejemplo, cuando utiliza sensores portátiles especiales para la observación postoperatoria de pacientes espera una reducción en el paro cardíaco postoperatorio en un 86%, y a través del seguimiento "inteligente" de parámetros críticos de salud en la atención ambulatoria, su costo se reduce en un 34%.

Los sistemas de control automatizados han existido durante algunos años. La automatización permite el uso eficiente de los equipos sin necesidad de intervención manual. Las tareas típicas de control automatizado y configuración de equipos se presentan en forma de circuitos de control para los que se crean modelos matemáticos y que se implementan en forma de dispositivos electrónicos y software.

El desarrollo moderno de los sistemas ciberfísicos va mucho más allá de estos límites. La combinación de TI con sistemas de control integrados y la interacción dinámica entre ellos aseguran su trabajo conjunto a través de interfaces de datos heterogéneas. Además, al igual que con la automatización en los años 80, la producción autónoma promete aumentar la eficiencia, la productividad y la calidad.

Desarrollos de este tipo se llevan a cabo en muchas áreas de aplicación de sistemas técnicos. Aunque sus escenarios de aplicación difieren, pueden identificarse problemas comunes en el campo del software y pueden describirse métodos generalizados para resolverlos. Se presentarán ejemplos de tales métodos en la última parte de este artículo. De particular interés es el uso de sistemas de autoaprendizaje. Con ellos, las posibilidades potenciales de autonomía parecen infinitas, porque es posible reconocer artefactos del mundo exterior que inicialmente son desconocidos, que afectan el sistema, y ​​estudiar los modelos dinámicos relacionados con ellos. Por lo tanto, se están abriendo nuevas posibilidades de uso de la tecnología que no se habían previsto previamente.

El valor de mercado potencial de las tecnologías derivadas de estos desarrollos se estima en cientos de miles de millones de dólares. En particular, un estudio del proyecto EU Platforms4CPS proporciona los siguientes datos:

• Para 2035, los automóviles autónomos representarán el 10% de todas las ventas. Esto corresponde a aproximadamente 12 millones de unidades y un volumen de mercado de 39 mil millones de dólares.
• El mercado de gestión de vuelos crecerá, según las estimaciones, de USD 50.01 mil millones en 2016 a USD 97.3 mil millones en 2022. Al mismo tiempo, la tasa de crecimiento anual promedio será de 11.73%.
• El mercado mundial de la aviación robótica espera un crecimiento anual promedio del 17,7% en la próxima década, por lo que en 2025 su valor alcanzará los 7,9 mil millones de dólares (según " Mercados y mercados ").
• El volumen del mercado de drones se estima en 13.22 mil millones de dólares y para 2022 debería alcanzar los 28.27 mil millones con un crecimiento anual de 13.51%.
• El mercado de vehículos no tripulados se estima de USD 437.57 millones en 2016 a 861.37 mil millones en 2021 con un crecimiento anual de 14.51%.
• El mercado de vehículos autónomos subacuáticos aumentará de 2.29 mil millones de dólares en 2015 a 4.00 mil millones en 2020 con un crecimiento anual estimado de 11.90%.
• El mercado de Internet industrial de las cosas (IIoT) espera un crecimiento de USD 110 mil millones en 2020 a 123 mil millones en 2021.
• El mercado de tecnología para dispositivos portátiles tiene un volumen de 28,7 mil millones de dólares. Gartner predice que este mercado crecerá anualmente en un promedio de 17.9% entre 2015 y 2017. El segmento más creciente es el segmento de dispositivos móviles de muñeca con un aumento anual de 30%.
• El mercado de microrredes se valoró en USD 16.58 billones en 2015. En 2022, Markets and Markets espera un crecimiento de USD 38.99 billones con un crecimiento anual de 12.45%.

Gracias al desarrollo de la tecnología, aparecen nuevos tipos de productos y servicios con un alto nivel de automatización en el mercado moderno. En este sentido, surge la pregunta de en qué áreas tales desarrollos realmente tienen sentido y qué impacto tienen en la sociedad.
En el contexto de un nivel de autonomía en constante aumento, la calidad de la interacción humano-tecnología definitivamente cambiará. Hoy, una persona actúa no solo como usuario final, sino, en muchos casos, como parte de un sistema de gestión ( humano en el circuito ). La autonomía crea una tendencia que establece la interacción del hombre y la tecnología en un nivel superior de abstracción. Un sistema autónomo le brinda a una persona la oportunidad de familiarizarse con parte de su visión del mundo digital utilizando abstracciones adecuadas, como, por ejemplo, tecnologías de realidad virtual que son relevantes para resolver un problema específico en un momento dado. Por el contrario, una persona puede actuar fácilmente en procesos complejos dentro del sistema a través de interfaces intuitivas hombre-máquina. Esta comunicación, acompañada de un nivel creciente de abstracción, requiere, a su vez, un cierto nivel de calificación y capacitación. Al mismo tiempo, los trabajos para personal poco calificado desaparecerán como innecesarios.

El uso constante de una gran cantidad de fuentes de datos aumentará significativamente el riesgo de su inseguridad. La arquitectura de los sistemas distribuidos en red establecerá requisitos extremadamente altos para su protección a fin de evitar el impacto catastrófico de posibles ataques cibernéticos destinados a deshabilitar componentes individuales.

Con el aumento de la autonomía, también surge la pregunta de qué valores debe tener el proceso de toma de decisiones subyacente y si corresponden a los nuestros. En base a esto, el Parlamento Europeo en su resolución de 16 de febrero de 2017 decidió:

• utilice el principio de transparencia, lo que implica que siempre debe ser posible establecer los principios y argumentos detrás de cada decisión tomada con la ayuda de la inteligencia artificial, que puede tener un impacto significativo en la vida humana;
• siempre debería ser posible presentar los algoritmos computacionales de un sistema que utiliza inteligencia artificial en una forma legible para el ser humano;
• Los robots progresivos deben estar equipados con una llamada "caja negra" que registra los datos de cada transacción realizada por una máquina, incluida la lógica que contribuyó a la adopción de una decisión.

Finalmente, debido a la próxima introducción de vehículos autónomos no tripulados en el mercado, es necesario revisar las leyes de responsabilidad por delitos emergentes.

Estos temas, por lo tanto, van más allá de su esfera puramente profesional. ¿Cómo deberían diseñarse los sistemas autónomos de modo que traigan no solo beneficios económicos, sino que también sean recibidos positivamente por la sociedad? Estos problemas deberían estudiarse en informática. Es hora de repensar los procesos y técnicas de diseño existentes, que deben incluir continuamente una evaluación del impacto social de los sistemas autónomos desarrollados.

Clases de autonomía en diversas industrias.

El ejemplo más famoso son los vehículos autónomos en la industria automotriz . Muchos fabricantes han anunciado el lanzamiento de automóviles apropiados en el mercado en los próximos 3-4 años. Sin embargo, los sistemas de soporte ya disponibles en la actualidad le permiten realizar cosas increíbles. A pesar de esto, el camino desde la conducción parcialmente automatizada (algunos fabricantes en este caso también hablan de conducción "tripulada") hasta la autonomía total todavía está muy lejos. Con parcialmente automatizado (corresponde al segundo nivel de automatización por SAE ), la responsabilidad principal recae en la persona, y debe poder intervenir de forma independiente en el proceso lo antes posible. Además, la posibilidad de utilizar dichos sistemas está limitada por un entorno estrictamente normalizado (por ejemplo, conducir en una carretera). En el nivel de conducción altamente automatizado (nivel de automatización 3 de SAE), el conductor puede dedicar su atención a otras cosas, es decir, el software garantiza la seguridad de conducción completa o, en caso de error, pone el sistema en un estado seguro, por ejemplo, al detener el vehículo al costado del camino. Los automóviles totalmente automatizados (nivel de automatización 4 según SAE), que hacen frente a su tarea absolutamente sin la ayuda de un conductor, representan el más alto nivel de autonomía, mientras que no necesitan instrucciones sobre la velocidad de conducción o las características ambientales.

Una influencia significativa en el desarrollo de esta industria es proporcionada, en primer lugar, no por el deseo de la gente común de transferir su control de automóviles a otras manos, sino por las necesidades de nuevas compañías de transporte en servicios relevantes, abriendo nuevos segmentos de mercado u ofreciendo transporte público más eficiente y rápido dentro de los asentamientos. En el transporte de carga, la automatización le permite descargar al conductor, que puede dedicar su tiempo a otras tareas y, por lo tanto, trabajar de manera más productiva.

En el ferrocarril y, en particular, en el transporte subterráneo, algunos procesos ya están automatizados. Aquí funciona un modelo simplificado, ya que el sistema funciona en un paisaje homogéneo, donde no hay intersección de rutas de transporte y muchas rutas están aisladas unas de otras. Por otro lado, se agrega un sistema superior de gestión y coordinación de procesos, por lo que la Unión Internacional de Transporte Público ( UITP ) ha incluido un sistema superior de monitoreo y control en su clasificación. Un sistema de trenes automatizado contiene los siguientes tres componentes: seguridad, gestión de trenes y monitoreo de trenes. La seguridad se controla manteniendo la distancia entre los trenes y controlando su velocidad. El control asegura el movimiento del tren de acuerdo con el horario y regula, por ejemplo, la apertura y el cierre de las puertas del automóvil. La supervisión de los trenes controla, a su vez, todas las rutas y toda la infraestructura, y transmite información relevante al centro de control.

Tal sistema se puede implementar más fácilmente en el metro en función de la homogeneidad de los vehículos y el aislamiento de la infraestructura. Sin embargo, los conceptos correspondientes pueden transferirse a otras áreas de transporte ferroviario, hasta grandes patios de clasificación. Sin embargo, aún surgen problemas al monitorear y controlar el movimiento del transporte internacional o debido a la complejidad del entorno, como el movimiento de trenes suburbanos en varios tipos de estaciones. El motor que avanza hacia la automatización del transporte ferroviario es el gran beneficio económico de las soluciones propuestas, logradas, por ejemplo, al ahorrar energía con procesos coordinados de aceleración y frenado en una red de transporte.

En el transporte aéreo , el control de vuelo automatizado se ha utilizado durante mucho tiempo. Para los drones, utilizados principalmente con fines militares, el nivel de autonomía aumentó en términos de planificación de tareas independientes y gestión de misiones. Diez niveles de autonomía ALFUS (Niveles de autonomía para sistemas no tripulados) utilizan tres proyecciones para caracterizar las capacidades del sistema: independencia de la intervención humana, complejidad de las tareas y complejidad del entorno. Juntos caracterizan las habilidades de duración de la batería. Al buscar soluciones tecnológicas para el más alto grado de autonomía, también se agregan temas como el comportamiento grupal, la comunicación adaptativa entre dispositivos y el autoformación, que, hasta ahora, no han tocado las taxonomías restantes mencionadas anteriormente.

En la producción, los procesos automatizados son estándar con la introducción de controladores lógicos programables (PLC) en los años 80. Tales procesos, sin embargo, tienen poca flexibilidad y se centran en la producción en masa. La producción individualizada o los cambios impulsados ​​por el mercado en la cartera de productos conducen a una reconfiguración costosa de líneas de producción y reequipamiento. En el proceso de desarrollo de tecnologías digitales y basado en el concepto de Industria 4.0, la producción individualizada busca alcanzar el mismo nivel de eficiencia y calidad que en la producción en masa. Al mismo tiempo, debe adaptarse automáticamente a las condiciones cambiantes y a los nuevos objetivos de producción. La Frauenhofer Research Society ofrece 5 etapas evolutivas que acompañan este desarrollo. En primer lugar, es necesario garantizar la recopilación y el procesamiento de los datos de producción. Esta será la base de los sistemas de asistencia que ayudan con el trabajo y la toma de decisiones. En la tercera etapa, la integración de las etapas de producción en una única red de intercambio de datos y su integración entre sí proporcionan las condiciones necesarias para optimizar todo el sistema en su conjunto. Para aumentar la elasticidad de la producción en la cuarta etapa, el sistema requiere la capacidad de transformarse y reconfigurarse. Y en el último quinto nivel, el sistema de producción debe poder organizarse. Hasta la fecha, los sistemas de producción se han asentado en los niveles desde el primero (recopilación de datos de producción) hasta el tercero (producción, unidos por una red de datos común, como en la producción de automóviles). Para pasar a la siguiente etapa, como regla, se requiere una reestructuración completa de toda la arquitectura de producción, lo que, en consecuencia, es costoso.

Los niveles de autonomía de todas estas aplicaciones se enumeran nuevamente en la tabla, mientras que se intentó presentar grados similares de autonomía de diferentes dominios en un nivel.

En base a los ejemplos anteriores, ya es posible reconocer mucho en común en las clasificaciones por niveles y objetivos de autonomía. , , SafeTRANS . :

1. , , , , . ; , .. - .
2. , , . , , . , , . . ; .
3. , , . , , , , , . , , , .
4. () – , , , , ( ). , , . .

. - , , , . Deep Learning , -, . , : , . , , , . , . . , - , .

, . , . (human-in-the-loop), . - . . . . , . , , , .

SafeTRANS, , . .
, . , , . -, , .

SafeTRANS :