Sistemas autônomos do futuro. Classificação, características e requisitos

Os sistemas autônomos são conhecidos hoje em grande parte graças às últimas tendências da indústria automotiva. De fato, sistemas automatizados de diferentes graus de autonomia são parte integrante de desenvolvimentos futuros e planos de desenvolvimento para muitas áreas de atividade. O artigo enviado pelos autores Werner Damm e Ralf Kalman da revista Informatik-Spektrum edição 5/2017 lista várias normas e padrões do setor, além de descrever a funcionalidade e os requisitos de métodos, processos e ferramentas para o desenvolvimento do software correspondente.

Qual é a vantagem da autonomia?

Quanto deve ser um sistema técnico e quão autônomo pode ser?
Hoje, parece que não há limites para a implementação de sistemas autônomos cada vez mais avançados. Estamos à beira da introdução de tecnologias que constroem de forma independente relacionamentos complexos do mundo ao redor com base nos dados fornecidos, identificação automática de objetos e informações de sensores de vários níveis. Tudo isso é usado para obter uma representação digital precisa da realidade para a implementação da tarefa. São introduzidos sistemas capazes de analisar o possível desenvolvimento adicional dos eventos da realidade circundante, que vão muito além dos limites das habilidades analíticas humanas. Estão sendo implementados sistemas que planejam e implementam tarefas de forma independente, sem exigir nenhum suporte externo. Esses sistemas são dotados de habilidades cognitivas humanas que são relevantes no contexto da tarefa, o que lhes permite operar de forma totalmente autônoma.

Um relatório recente do governo alemão sobre uma estratégia de alta tecnologia revela as muitas possibilidades de sistemas autônomos. Entre eles estão todos os tipos de “sistemas inteligentes”, como mobilidade inteligente, saúde inteligente, produção inteligente, energia inteligente, cuja inteligência é realizada com base nas possibilidades acima. Eles são capazes em tempo real de criar uma imagem digital do mundo, processando dados de muitas fontes de informação e organizar o trabalho conjunto de milhões de subsistemas de forma a garantir a implementação bem-sucedida de objetivos, como otimizar o uso de recursos. Os benefícios disso podem ser aplicados em muitas áreas da vida pública: saúde e transporte, consumo de energia, produtividade e qualidade dos produtos, prevenção de desastres naturais e colisões de vários veículos. A Philips, por exemplo, ao usar sensores vestíveis especiais para observação pós-operatória de pacientes espera uma redução na parada cardíaca pós-operatória em 86% e, através do rastreamento "inteligente" de parâmetros críticos de saúde em atendimento ambulatorial, seu custo é reduzido em 34%.

Os sistemas de controle automatizado existem há alguns anos. A automação permite o uso eficiente de equipamentos sem a necessidade de intervenção manual. Tarefas típicas de configurações automatizadas de controle e equipamento são apresentadas na forma de circuitos de controle para os quais são criados modelos matemáticos e implementados na forma de dispositivos eletrônicos e software.

O desenvolvimento moderno de sistemas ciber-físicos vai muito além desses limites. A combinação de TI com sistemas de controle incorporados e a interação dinâmica garantem o trabalho conjunto por meio de interfaces de dados heterogêneas. Além disso, como na automação nos anos 80, a produção autônoma promete aumentar a eficiência, a produtividade e a qualidade.

Desenvolvimentos desse tipo são realizados em muitas áreas de aplicação de sistemas técnicos. Embora seus cenários de aplicação sejam diferentes, problemas comuns podem ser identificados no campo do software e métodos gerais para resolvê-los podem ser descritos. Exemplos de tais métodos serão apresentados na última parte deste artigo. De particular interesse é o uso de sistemas de autoaprendizagem. Com eles, as possibilidades potenciais de autonomia parecem infinitas, porque torna-se possível reconhecer artefatos do mundo exterior que são inicialmente desconhecidos, afetando o sistema, e estudar os modelos dinâmicos relacionados a eles. Assim, novas e imprevisíveis possibilidades de uso da tecnologia estão se abrindo.

O valor potencial de mercado das tecnologias decorrentes desses desenvolvimentos é estimado em centenas de bilhões de dólares. Em particular, um estudo do projeto EU Platforms4CPS fornece os seguintes dados:

• Até 2035, os carros autônomos representarão 10% de todas as vendas. Isso corresponde a aproximadamente 12 milhões de unidades e um volume de mercado de 39 bilhões de dólares.
• O mercado de gerenciamento de vôo crescerá, de acordo com estimativas, de US $ 50,01 bilhões em 2016 para US $ 97,3 bilhões em 2022. Ao mesmo tempo, a taxa média de crescimento anual será de 11,73%.
• O mercado global de aviação robótica espera um crescimento médio anual de 17,7% na próxima década, para que em 2025 seu valor atinja 7,9 bilhões de dólares (de acordo com " Mercados e Mercados ").
• O volume do mercado de drones é estimado em US $ 13,22 bilhões e até 2022 deve chegar a 28,27 bilhões, com um crescimento anual de 13,51%.
• O mercado de veículos não tripulados é estimado em US $ 437,57 milhões em 2016 para 861,37 bilhões em 2021, com um crescimento anual de 14,51%.
• O mercado de veículos subaquáticos autônomos aumentará de 2,29 bilhões de dólares em 2015 para 4,00 bilhões em 2020, com um crescimento anual estimado de 11,90%.
• O mercado da Internet das Coisas Industrial (IIoT) espera um crescimento de US $ 110 bilhões em 2020 para 123 bilhões em 2021.
• O mercado de tecnologia para aparelhos portáteis tem um volume de 28,7 bilhões de dólares. O Gartner prevê que esse mercado cresça anualmente em média 17,9% entre 2015 e 2017. O segmento que mais cresce é o segmento de gadgets para celulares, com um aumento anual de 30%.
• O mercado de microrredes foi avaliado em US $ 16,58 bilhões em 2015. Em 2022, Markets and Markets espera seu crescimento para US $ 38,99 bilhões, com um crescimento anual de 12,45%.

Graças ao desenvolvimento da tecnologia, novos tipos de produtos e serviços com alto nível de automação aparecem no mercado moderno. Nesse sentido, surge a questão de em quais áreas esses desenvolvimentos realmente fazem sentido e qual o impacto que eles têm na sociedade.
No contexto de um nível constantemente crescente de autonomia, a qualidade da interação humano-tecnologia mudará definitivamente. Hoje, uma pessoa age não apenas como usuário final, mas, em muitos casos, como parte de um sistema de gerenciamento ( humano no circuito ). A autonomização cria uma tendência que estabelece a interação entre homem e tecnologia em um nível mais alto de abstração. Um sistema autônomo dá a uma pessoa a oportunidade de se familiarizar com parte de sua visão de mundo digital usando abstrações adequadas, como, por exemplo, tecnologias de realidade virtual que são relevantes para resolver um problema específico em um determinado momento. Por outro lado, uma pessoa pode agir facilmente em processos complexos dentro do sistema através de interfaces intuitivas homem-máquina. Essa comunicação, acompanhada de um nível crescente de abstração, requer, por sua vez, um certo nível de qualificação e treinamento. Ao mesmo tempo, os trabalhos para pessoal pouco qualificado desaparecerão como desnecessários.

O uso constante de um grande número de fontes de dados aumentará significativamente o risco de sua insegurança. A arquitetura dos sistemas distribuídos em rede definirá requisitos extremamente altos para sua proteção, a fim de evitar o impacto catastrófico de possíveis ataques cibernéticos destinados a desativar componentes individuais.

Com crescente autonomia, surge também a questão de quais valores o processo de tomada de decisão subjacente deve ter e se eles correspondem aos nossos. Com base nisso, o Parlamento Europeu, na sua resolução de 16 de fevereiro de 2017, decidiu:

• use o princípio da transparência, o que implica que sempre deve ser possível estabelecer os princípios e argumentos por trás de cada decisão tomada com a ajuda da inteligência artificial, que pode ter um impacto significativo na vida humana;
• sempre deve ser possível apresentar os algoritmos computacionais de um sistema usando inteligência artificial de forma legível por humanos;
• os robôs progressivos devem estar equipados com a chamada “caixa preta” que registra dados de cada transação feita por uma máquina, incluindo lógica que contribuiu para a adoção de uma decisão.

Finalmente, devido à próxima introdução de veículos não tripulados autônomos no mercado, é necessário revisar as leis de responsabilidade por infrações emergentes.

Esses tópicos, portanto, vão além de sua esfera puramente profissional. Como os sistemas autônomos devem ser projetados para que tragam não apenas benefícios econômicos, mas também sejam recebidos positivamente pela sociedade? Esses problemas devem ser estudados em ciência da computação. É hora de repensar os processos e técnicas de design existentes, que devem incluir continuamente uma avaliação do impacto social dos sistemas autônomos desenvolvidos.

Aulas de autonomia em vários setores

O exemplo mais famoso são os veículos autônomos na indústria automotiva . Muitos fabricantes anunciaram o lançamento de carros apropriados no mercado nos próximos 3-4 anos. No entanto, os sistemas de suporte já disponíveis hoje permitem realizar coisas surpreendentes. Apesar disso, o caminho da direção parcialmente automatizada (alguns fabricantes, neste caso, também falam em direção "tripulada") para a totalmente autônoma ainda está muito longe. Com o parcialmente automatizado (corresponde ao segundo nível de automação da SAE ), a principal responsabilidade é da pessoa, e ele deve poder intervir independentemente no processo o mais rápido possível. Além disso, a possibilidade de usar esses sistemas é limitada por um ambiente estritamente normalizado (por exemplo, dirigir em uma rodovia). No nível de direção altamente automatizado (nível de automação 3 da SAE), o motorista pode dedicar sua atenção a outras coisas, ou seja, o software garante segurança total na direção ou, em caso de erro, coloca o sistema em um estado seguro, por exemplo, parando o veículo. ao lado da estrada. Carros totalmente automatizados (nível de automação 4, de acordo com a SAE), que lidam com sua tarefa absolutamente sem a ajuda de um motorista, representam o mais alto nível de autonomia, enquanto não precisam de instruções sobre velocidade de condução ou características ambientais.

Uma influência significativa no desenvolvimento dessa indústria é fornecida, em primeiro lugar, não pelo desejo das pessoas comuns de transferir o controle de seu carro para outras mãos, mas pelas necessidades de novas empresas de transporte em serviços relevantes, abrindo novos segmentos de mercado ou oferecendo transporte público mais eficiente e rápido nos assentamentos. No transporte de mercadorias, a automação permite descarregar o motorista, que pode dedicar seu tempo a outras tarefas e, assim, trabalhar de forma mais produtiva.

Na ferrovia e, em particular, no transporte subterrâneo, alguns processos já são automatizados. Um modelo simplificado opera aqui, já que o sistema trabalha em um cenário homogêneo, onde não há interseção de rotas de transporte e muitas rotas são isoladas uma da outra. Por outro lado, é adicionado um sistema superior de gerenciamento e coordenação de processos, razão pela qual a União Internacional de Transportes Públicos ( UITP ) incluiu um sistema superior de monitoramento e controle em sua classificação. Um sistema automatizado de trens contém os três componentes a seguir: segurança, gerenciamento e monitoramento de trens. A segurança é controlada mantendo a distância entre os trens e controlando sua velocidade. O controle garante o movimento do trem de acordo com o cronograma e regula, por exemplo, a abertura e o fechamento das portas do carro. A supervisão dos trens controla, por sua vez, todas as rotas e toda infraestrutura e transmite informações relevantes ao centro de controle.

Esse sistema pode ser mais facilmente implementado no metrô com base na homogeneidade dos veículos e no isolamento da infraestrutura. No entanto, os conceitos correspondentes podem ser transferidos para outras áreas de transporte ferroviário, até grandes pátios de triagem. Contudo, ainda surgem problemas ao monitorar e controlar o movimento de transporte internacional ou devido à complexidade do ambiente, como o movimento de trens suburbanos em vários tipos de estações. O motor que avança na automação do transporte ferroviário é o alto benefício econômico das soluções propostas, conseguidas, por exemplo, economizando energia com processos coordenados de aceleração e frenagem em uma rede de transporte.

No transporte aéreo , o controle de vôo automatizado é utilizado há muito tempo. Para os drones, usados ​​principalmente para fins militares, o nível de autonomia foi aumentado em termos de planejamento de tarefas independente e gerenciamento de missões. Dez níveis de autonomia O ALFUS (Níveis de Autonomia para Sistemas Não Tripulados) usa três projeções para caracterizar as capacidades do sistema: independência da intervenção humana, complexidade de tarefas e complexidade do ambiente. Juntos, eles caracterizam as habilidades de duração da bateria. Ao procurar soluções tecnológicas para o mais alto grau de autonomia, também são adicionados tópicos como comportamento em grupo, comunicação adaptativa entre dispositivos e autotreinamento, que até agora não atingiram as demais taxonomias mencionadas acima.

Na produção, processos automatizados são padrão com a introdução de controladores lógicos programáveis ​​(PLCs) nos anos 80. Tais processos, no entanto, têm pouca flexibilidade e estão focados na produção em massa. A produção individualizada ou as mudanças orientadas para o mercado no portfólio de produtos levam à reconfiguração dispendiosa das linhas de produção e do reequipamento. No processo de desenvolvimento de tecnologias digitais e com base no conceito da Indústria 4.0, a produção individualizada busca atingir o mesmo nível de eficiência e qualidade da produção em massa. Ao mesmo tempo, ele deve se adaptar automaticamente às mudanças nas condições e novas metas de produção. A Sociedade de Pesquisa Frauenhofer oferece 5 estágios evolutivos que acompanham esse desenvolvimento. Antes de tudo, é necessário garantir a coleta e o processamento dos dados de produção. Essa será a base para sistemas de assistência que auxiliam no trabalho e na tomada de decisões. No terceiro estágio, a integração dos estágios de produção em uma única rede de troca de dados e a integração entre eles fornecem as condições necessárias para otimizar todo o sistema como um todo. Para aumentar a elasticidade da produção no quarto estágio, o sistema requer a capacidade de transformar e reconfigurar. E no último quinto nível, o sistema de produção deve ser capaz de se organizar. Até o momento, os sistemas de produção se estabeleceram nos níveis desde o primeiro (coleta de dados de produção) até o terceiro (produção, unidos por uma rede de dados comum, como na produção de automóveis). Para avançar para o próximo estágio, como regra, é necessária uma reestruturação completa de toda a arquitetura de produção, o que, consequentemente, é caro.

Os níveis de autonomia de todas essas aplicações são mostrados novamente na tabela, enquanto foi feita uma tentativa de apresentar graus de autonomia semelhantes de domínios diferentes no mesmo nível.

Com base nos exemplos acima, já é possível reconhecer muito em comum nas classificações por níveis e objetivos de autonomia. , , SafeTRANS . :

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

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

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

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

SafeTRANS :