Sistem otonom masa depan. Klasifikasi, fitur dan persyaratan

Sistem otonom dikenal saat ini sebagian besar berkat tren terbaru dari industri otomotif. Faktanya, sistem otomatisasi dengan berbagai tingkat otonomi merupakan bagian integral dari perkembangan masa depan dan rencana pengembangan untuk banyak bidang kegiatan. Artikel yang diajukan oleh penulis Werner Damm dan Ralf Kalman dari jurnal Informatik-Spektrum edisi 5/2017 mencantumkan berbagai norma dan standar industri, serta menjelaskan fungsionalitas dan persyaratan untuk metode, proses, dan alat untuk mengembangkan perangkat lunak yang sesuai.

Apa keuntungan dari otonomi?

Berapa seharusnya sistem teknis dan seberapa otonomnya?
Saat ini tampaknya tidak ada batasan untuk implementasi sistem otonomi yang semakin maju. Kami berada di ambang memperkenalkan teknologi yang secara independen membangun hubungan yang kompleks dari dunia sekitarnya berdasarkan data yang disediakan, identifikasi otomatis objek dan informasi dari sensor dari berbagai tingkatan. Semua ini digunakan untuk mendapatkan representasi digital akurat dari kenyataan untuk pelaksanaan tugas. Sistem diperkenalkan yang mampu menganalisis kemungkinan perkembangan lebih lanjut dari peristiwa-peristiwa di sekitarnya, yang jauh melampaui batas kemampuan analitis manusia. Sistem sedang dilaksanakan yang secara independen merencanakan dan melaksanakan tugas-tugas, tanpa memerlukan dukungan eksternal. Sistem ini diberkahi dengan kemampuan kognitif manusia yang relevan dalam konteks tugas, yang memungkinkan mereka beroperasi sepenuhnya secara mandiri.

Sebuah laporan pemerintah Jerman baru-baru ini tentang strategi teknologi tinggi mengungkapkan banyak kemungkinan untuk sistem otonom. Diantaranya adalah semua jenis "Sistem Cerdas", seperti Smart Mobility, Smart Health, Smart Production, Smart Energy, kecerdasan yang diwujudkan berdasarkan kemungkinan-kemungkinan di atas. Mereka mampu secara real time untuk membuat gambar digital dunia, memproses data dari banyak sumber informasi, dan mengatur kerja bersama jutaan subsistem sedemikian rupa untuk memastikan keberhasilan implementasi tujuan, seperti mengoptimalkan penggunaan sumber daya. Manfaat ini dapat diterapkan di banyak bidang kehidupan publik: kesehatan dan transportasi, konsumsi energi, produktivitas dan kualitas produk, pencegahan bencana alam dan tabrakan berbagai kendaraan. Philips, misalnya, ketika menggunakan sensor khusus yang dapat dipakai untuk pengamatan pasien pasca operasi mengharapkan penurunan henti jantung pasca operasi sebesar 86%, dan melalui pelacakan "pintar" parameter kesehatan kritis dalam perawatan rawat jalan, biayanya dikurangi sebesar 34%.

Sistem kontrol otomatis telah ada selama beberapa tahun. Otomasi memungkinkan penggunaan peralatan secara efisien tanpa perlu intervensi manual. Tugas tipikal dari pengaturan kontrol dan peralatan otomatis disajikan dalam bentuk sirkuit kontrol yang model matematisnya dibuat dan yang diimplementasikan dalam bentuk perangkat dan perangkat elektronik.

Perkembangan modern dari sistem cyber-fisik jauh melampaui batas-batas ini. Kombinasi TI dengan sistem kontrol tertanam dan interaksi dinamis satu sama lain memastikan kerja bersama mereka melalui antarmuka data yang heterogen. Juga, seperti halnya otomatisasi pada tahun 80-an, produksi otonom menjanjikan peningkatan efisiensi, produktivitas, dan kualitas.

Pengembangan semacam ini dilakukan di banyak bidang penerapan sistem teknis. Meskipun skenario aplikasinya berbeda, masalah umum dapat diidentifikasi dalam bidang perangkat lunak dan metode umum untuk menyelesaikannya dapat dijelaskan. Contoh metode tersebut akan disajikan di bagian terakhir artikel ini. Yang menarik adalah penggunaan sistem belajar mandiri. Dengan mereka, kemungkinan potensial otonomi tampaknya tak terbatas, karena menjadi mungkin untuk mengenali artefak dari dunia luar yang awalnya tidak diketahui, memengaruhi sistem, dan mempelajari model-model dinamis yang terkait dengannya. Dengan demikian, kemungkinan baru, penggunaan teknologi yang sebelumnya tidak terduga semakin terbuka.

Nilai pasar potensial dari teknologi yang timbul dari perkembangan ini diperkirakan mencapai ratusan miliar USD. Secara khusus, studi tentang proyek EU Platforms4CPS memberikan data berikut:

• Pada 2035, mobil otonom akan mencapai 10% dari seluruh penjualan. Ini sesuai dengan sekitar 12 juta unit dan volume pasar 39 miliar USD.
• Pasar manajemen penerbangan akan tumbuh, menurut perkiraan, dari USD 50,01 miliar pada 2016 menjadi USD 97,3 miliar pada 2022. Pada saat yang sama, tingkat pertumbuhan tahunan rata-rata adalah 11,73%.
• Pasar penerbangan robot global mengharapkan pertumbuhan tahunan rata-rata 17,7% selama dekade berikutnya, sehingga pada tahun 2025 nilainya akan mencapai 7,9 miliar USD (menurut " Pasar dan Pasar ").
• Volume pasar drone diperkirakan 13,22 miliar USD dan pada 2022 akan mencapai 28,27 miliar dengan pertumbuhan tahunan 13,51%.
• Pasar untuk kendaraan tak berawak diperkirakan dari USD 437,57 juta pada 2016 menjadi 861,37 miliar pada 2021 dengan pertumbuhan tahunan 14,51%.
• Pasar untuk kendaraan bawah air otonom akan meningkat dari 2,29 miliar USD pada 2015 menjadi 4,00 miliar pada 2020 dengan perkiraan pertumbuhan tahunan sebesar 11,90%.
• Pasar Industrial of Things (IIoT) mengharapkan pertumbuhan dari USD 110 miliar pada 2020 menjadi 123 miliar pada 2021.
• Pasar teknologi untuk gadget yang dapat dikenakan memiliki volume 28,7 miliar USD. Gartner memperkirakan bahwa pasar ini akan tumbuh setiap tahun dengan rata-rata 17,9% antara 2015 dan 2017. Segmen yang paling berkembang adalah segmen gadget ponsel pergelangan tangan dengan peningkatan tahunan sebesar 30%.
• Pasar microgrids bernilai USD 16,58 miliar pada tahun 2015. Pada tahun 2022, Pasar dan Pasar mengharapkan pertumbuhannya menjadi USD 38,99 miliar dengan pertumbuhan tahunan sebesar 12,45%.

Berkat perkembangan teknologi, jenis-jenis produk dan layanan baru dengan otomatisasi tingkat tinggi muncul di pasar modern. Dalam hal ini, muncul pertanyaan di mana bidang perkembangan seperti itu benar-benar masuk akal, dan apa dampaknya terhadap masyarakat.
Dalam konteks tingkat otonomi yang terus meningkat, kualitas interaksi manusia-teknologi pasti akan berubah. Saat ini, seseorang bertindak tidak hanya sebagai pengguna akhir, tetapi, dalam banyak kasus, sebagai bagian dari sistem manajemen ( manusia-dalam-loop ). Otonomi menciptakan tren yang membangun interaksi manusia dan teknologi pada tingkat abstraksi yang lebih tinggi. Suatu sistem otonom memberi seseorang kesempatan untuk membiasakan diri dengan bagian dari pandangan dunia digital mereka menggunakan abstraksi yang sesuai, seperti, misalnya, teknologi realitas virtual yang relevan untuk memecahkan masalah tertentu pada waktu tertentu. Sebaliknya, seseorang dapat dengan mudah bertindak pada proses yang kompleks dalam sistem melalui antarmuka manusia-mesin yang intuitif. Komunikasi ini, disertai dengan tingkat abstraksi yang meningkat, pada gilirannya membutuhkan tingkat kualifikasi dan pelatihan tertentu. Pada saat yang sama, pekerjaan untuk personel berketerampilan rendah akan hilang sebagai hal yang tidak perlu.

Penggunaan konstan sejumlah besar sumber data akan secara signifikan meningkatkan risiko ketidakamanan mereka. Arsitektur sistem jaringan terdistribusi akan menetapkan persyaratan yang sangat tinggi untuk perlindungannya untuk menghindari dampak bencana dari kemungkinan serangan siber yang ditujukan untuk menonaktifkan komponen individu.

Dengan meningkatnya otonomi, pertanyaan juga muncul tentang nilai-nilai apa yang harus dimiliki oleh proses pengambilan keputusan yang mendasarinya, dan apakah nilai itu sesuai dengan nilai kita. Berdasarkan hal ini, Parlemen Eropa dalam resolusi 16 Februari 2017 memutuskan:

• menggunakan prinsip transparansi, yang menyiratkan bahwa harus selalu dimungkinkan untuk menetapkan prinsip dan argumen di balik setiap keputusan yang dibuat dengan bantuan kecerdasan buatan, yang dapat memiliki dampak signifikan pada kehidupan manusia;
• harus selalu memungkinkan untuk menyajikan algoritma komputasi suatu sistem menggunakan kecerdasan buatan dalam bentuk yang dapat dibaca manusia;
• robot progresif harus dilengkapi dengan apa yang disebut "kotak hitam" yang mencatat data pada setiap transaksi yang dilakukan oleh mesin, termasuk logika yang berkontribusi pada adopsi keputusan.

Akhirnya, karena pengenalan kendaraan tak berawak otonom yang akan datang di pasar, perlu untuk merevisi undang-undang tentang kewajiban untuk pelanggaran yang muncul.

Karena itu, topik-topik ini melampaui ranah profesional mereka semata. Bagaimana seharusnya sistem otonom dirancang sehingga mereka tidak hanya membawa manfaat ekonomi, tetapi juga diterima secara positif oleh masyarakat? Masalah-masalah ini harus dipelajari dalam ilmu komputer. Sudah saatnya untuk memikirkan kembali proses desain dan teknik yang ada, yang harus terus mencakup penilaian dampak sosial dari sistem otonom yang dikembangkan.

Kelas otonomi di berbagai industri

Contoh paling terkenal adalah kendaraan otonom di industri otomotif . Banyak pabrikan telah mengumumkan perilisan mobil yang sesuai di pasaran dalam 3-4 tahun ke depan. Namun, sistem pendukung yang sudah tersedia hari ini memungkinkan Anda untuk mewujudkan hal-hal luar biasa. Meskipun demikian, jalan dari mengemudi sebagian otomatis (beberapa produsen dalam hal ini juga berbicara tentang mengemudi "berawak") ke otonom sepenuhnya masih jauh. Dengan sebagian terotomasi (sesuai dengan otomatisasi tingkat 2 oleh SAE ), tanggung jawab utama ada pada orang tersebut, dan ia harus dapat secara independen campur tangan dalam proses sesegera mungkin. Selain itu, kemungkinan menggunakan sistem seperti itu dibatasi oleh lingkungan yang sangat normal (misalnya, mengemudi di jalan raya). Pada tingkat mengemudi yang sangat otomatis (tingkat otomasi 3 oleh SAE), pengemudi diizinkan untuk mencurahkan perhatiannya pada hal-hal lain, yaitu, perangkat lunak menjamin keselamatan berkendara yang lengkap atau, jika terjadi kesalahan, menempatkan sistem dalam keadaan aman, misalnya, dengan menghentikan kendaraan di di sisi jalan. Mobil sepenuhnya otomatis (otomatisasi level 4 menurut SAE), yang mengatasi tugas mereka sepenuhnya tanpa bantuan pengemudi, mewakili tingkat otonomi tertinggi, sementara mereka tidak memerlukan instruksi mengenai kecepatan mengemudi atau fitur lingkungan.

Pengaruh signifikan terhadap pengembangan industri ini diberikan, pertama-tama, bukan oleh keinginan orang awam untuk mengalihkan kendali mobil mereka ke tangan lain, tetapi oleh kebutuhan perusahaan angkutan baru dalam layanan yang sesuai, membuka segmen pasar baru atau menawarkan transportasi publik yang lebih efisien dan lebih cepat di dalam permukiman. Dalam transportasi barang, otomatisasi memungkinkan Anda menurunkan pengemudi, yang dapat mencurahkan waktunya untuk tugas-tugas lain dan dengan demikian bekerja lebih produktif.

Di kereta api dan, khususnya, dalam transportasi bawah tanah, beberapa proses sudah otomatis. Model yang disederhanakan beroperasi di sini, karena sistem bekerja pada lanskap homogen, di mana tidak ada persimpangan rute transportasi dan banyak rute terisolasi satu sama lain. Di sisi lain, sistem manajemen dan koordinasi proses yang unggul ditambahkan ke ini, itulah sebabnya International Union of Public Transport ( UITP ) telah memasukkan sistem pemantauan dan kontrol yang unggul dalam klasifikasinya. Sistem kereta otomatis berisi tiga komponen berikut: keamanan, manajemen kereta, dan pemantauan kereta. Keselamatan dikendalikan dengan menjaga jarak antara kereta, serta mengendalikan kecepatannya. Kontrol memastikan pergerakan kereta sesuai dengan jadwal dan mengatur, misalnya, pembukaan dan penutupan pintu mobil. Pengawasan kontrol kereta api, pada gilirannya, semua rute dan semua infrastruktur dan mentransmisikan informasi yang relevan ke pusat kontrol.

Sistem seperti itu dapat paling mudah diimplementasikan di metro berdasarkan homogenitas kendaraan dan isolasi infrastruktur. Namun, konsep yang sesuai dapat ditransfer ke daerah lain dari transportasi kereta api, hingga pekarangan marshalling besar. Namun, masalah masih muncul ketika memantau dan mengendalikan pergerakan transportasi internasional atau karena kompleksitas lingkungan, seperti pergerakan kereta suburban di berbagai jenis stasiun. Mesin melangkah maju otomatisasi transportasi kereta api adalah manfaat ekonomi tinggi dari solusi yang diusulkan, dicapai, misalnya, dengan menghemat energi dengan proses percepatan dan pengereman yang terkoordinasi dalam satu jaringan transportasi.

Dalam transportasi udara , kontrol penerbangan otomatis telah digunakan sejak lama. Untuk drone, terutama digunakan untuk keperluan militer, tingkat otonomi meningkat dalam hal perencanaan tugas independen dan manajemen misi. Sepuluh tingkat otonomi ALFUS (Tingkat Otonomi untuk Sistem Tanpa Awak) menggunakan tiga proyeksi untuk mengkarakterisasi kemampuan sistem: kemandirian dari intervensi manusia, kompleksitas tugas dan kompleksitas lingkungan. Bersama-sama mereka mencirikan kemampuan daya tahan baterai. Ketika mencari solusi teknologi untuk tingkat otonomi tertinggi, topik seperti perilaku kelompok, komunikasi adaptif antara perangkat dan pelatihan mandiri juga ditambahkan, yang, sejauh ini, belum menyentuh taksonomi yang tersisa yang disebutkan di atas.

Dalam produksi, proses otomatis adalah standar dengan pengenalan programmable logic controllers (PLCs) di tahun 80-an. Namun demikian, proses semacam itu memiliki sedikit fleksibilitas dan berfokus pada produksi massal. Produksi individual atau perubahan yang didorong pasar dalam portofolio produk mengarah pada konfigurasi ulang jalur produksi dan peralatan ulang yang mahal. Dalam proses pengembangan teknologi digital dan berdasarkan konsep Industry 4.0, produksi individual berupaya mencapai tingkat efisiensi dan kualitas yang sama seperti dalam produksi massal. Pada saat yang sama, ia harus secara otomatis beradaptasi dengan kondisi yang berubah dan tujuan produksi baru. Frauenhofer Research Society menawarkan 5 tahap evolusi yang menyertai perkembangan ini. Pertama-tama, diperlukan untuk memastikan pengumpulan dan pemrosesan data produksi. Ini akan menjadi dasar untuk sistem bantuan yang membantu pekerjaan dan pengambilan keputusan. Pada tahap ketiga, integrasi tahapan produksi ke dalam jaringan pertukaran data tunggal dan integrasinya satu sama lain menyediakan kondisi yang diperlukan untuk mengoptimalkan keseluruhan sistem secara keseluruhan. Untuk meningkatkan elastisitas produksi pada tahap keempat, sistem membutuhkan kemampuan untuk mengubah dan mengkonfigurasi ulang. Dan pada tingkat kelima terakhir, sistem produksi harus dapat mengatur dirinya sendiri. Sampai saat ini, sistem produksi telah menetap di tingkat dari yang pertama (pengumpulan data produksi) hingga yang ketiga (produksi, disatukan oleh jaringan data umum, seperti dalam produksi mobil). Untuk pindah ke tahap berikutnya, sebagai aturan, diperlukan restrukturisasi lengkap dari seluruh arsitektur produksi, yang, karenanya, mahal.

Tingkat otonomi semua aplikasi ini diperlihatkan lagi dalam tabel, sementara upaya dilakukan untuk menghadirkan derajat otonomi yang sama dari domain yang berbeda di tingkat yang sama.

Berdasarkan contoh-contoh di atas, sudah mungkin untuk mengenali banyak kesamaan dalam klasifikasi berdasarkan tingkat dan tujuan otonomi. , , SafeTRANS . :

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

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

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

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

SafeTRANS :