Автономні системи майбутнього. Класифікація, особливості та вимоги

Автономні системи відомі сьогодні багато в чому завдяки останнім віянням з автомобільної промисловості. Насправді, автоматизовані системи різного ступеня автономності є складовою частиною майбутніх розробок і планів розвитку багатьох галузей діяльності. У представленій статті авторів Werner Damm і Ralf Kalman з журналу “Informatik-Spektrum” видання 5/2017 наведені різні галузеві норми і стандарти, а також дається характеристика функціональних можливостей і вимог до методів, процесів та інструментів для розробки відповідного програмного забезпечення.

Чим вигідна автономність?

Наскільки технічна система повинна і наскільки може бути автономною?
На сьогоднішній день, здається, що не існує меж для реалізації все більш і більш досконалих автономних систем. Ми стоїмо на порозі впровадження на ринок технологій, які самостійно вибудовують складні відносини навколишнього світу на підставі наданих даних, автоматичної ідентифікації об’єктів та інформації з сенсорів різного рівня. Все це використовується, щоб отримати точне цифрове представлення дійсності для реалізації поставленої задачі. Вводяться системи, здатні здійснювати аналіз можливого подальшого розвитку подій навколишньої дійсності, який виходить далеко за межі людських аналітичних здібностей. Реалізуються системи, які самостійно планують та реалізують завдання, не вимагаючи при цьому ніякої підтримки зі сторони. Ці системи наділяються когнітивними здібностями людини, релевантними в контексті поставленої задачі, які дозволяють їм працювати повністю автономно.

Нещодавно опублікований звіт уряду Німеччини про стратегії у сфері високих технологій показує безліч можливостей застосування автономних систем. Серед них вказуються всі види „Smart Systems“, такі як Smart Mobility, Smart Health, Smart Production, Smart Energy, інтелект яких реалізується на основі перерахованих вище можливостей. Вони здатні в реальному часі створювати цифрову картину світу, обробляючи дані з безлічі джерел інформації, і організовувати спільну роботу мільйонів підсистем таким чином, щоб забезпечити успішне виконання поставлених цілей, таких, наприклад, як оптимізація використання ресурсів. Вигода від цього може бути застосована у багатьох сферах суспільного життя: охорони здоров’я і транспорту, енергоспоживання, продуктивності і якості продуктів, попередження стихійних лих і зіткнень різних транспортних засобів. Philips, наприклад, при використанні спеціальних датчиків для післяопераційного спостереження пацієнтів очікує скорочення післяопераційних зупинок серця на 86%, а через „розумне“ відстеження критичних параметрів здоров’я в амбулаторному лікуванні, скорочення його вартості на 34%.

Системи автоматизованого управління існують вже досить багато років. Автоматизація дозволяє ефективно використовувати техніку без необхідності ручного втручання. Типові задачі автоматизованого управління і налаштування обладнання представляються у вигляді ланцюгів управління, для яких створюються математичні моделі і які реалізуються у вигляді електронних приладів і програмного забезпечення.

Сучасний розвиток кібер-фізичних систем виходить далеко за ці межі. Об’єднання IT з вбудованими системами управління і динамічну взаємодію один з одним забезпечують спільну роботу через гетерогенні інтерфейси даних. Також, як і при автоматизації в 80-х роках, автономне виробництво обіцяє підвищення ефективності, продуктивності та якості.

Розробки такого роду проводяться в багатьох областях застосування технічних систем. Хоча їх прикладні сценарії відрізняються, у сфері програмного забезпечення можуть бути виявлені загальні проблеми та наведено узагальнені методи їх вирішення. Приклади таких методів будуть представлені в останній частині цієї статті. Особливий інтерес при цьому викликає застосування самонавчаючих систем. З ними потенційні можливості автономії здаються безмежними, тому що з’являється можливість розпізнавати спочатку невідомі, які впливають на роботу системи, артефакти навколишнього світу і вивчати відносяться до них динамічні моделі. Таким чином, відкриваються нові, раніше не передбачувані можливості застосування техніки.

Потенційна ринкова вартість технологій, що виникають на основі цих розробок, оцінюється в сотні мільярдів USD. Зокрема, дослідження проекту Євросоюзу Platforms4CPS наводить наступні дані:

  • До 2035 року автономні автомобілі будуть становити 10% всіх продажів. Це відповідає приблизно 12 мільйонів штук і обсягом ринку в 39 млрд. USD.
  • Ринок управління авіаперельотами зросте, згідно з оцінкою, з 50,01 мільярда USD в 2016 до 97,3 млрд. USD у 2022. При цьому середній рівень річного зростання становитиме 11,73%.
  • Світовий ринок роботизованою авіації очікує середньорічний зростання на рівні 17,7% протягом наступного десятиліття, так що в 2025 році його вартість досягне 7,9 млрд. USD (за даними „Markets and Markets“).
  • Обсяг ринку дронів оцінюється в 13,22 млрд. USD і до 2022 повинен досягти 28,27 млрд. при щорічному зростанні в розмірі 13,51%.
  • Ринок безпілотних автомобілів оцінюється від 437,57 млн. USD в 2016 і до 861,37 млрд. в 2021 при річному зростанні 14,51%.
  • Обсяг ринку автономних підводних апаратів зросте з 2,29 млрд. USD 2015 до 4,00 млрд. в 2020 при оцінному річному зростанні 11,90%.
  • Ринок промислового інтернету речей (IIoT) очікує зростання з 110 млрд. USD в 2020 до 123 млрд. в 2021.
  • Ринок технологій для носяться гаджетів має обсяг 28,7 млрд. USD. „Gartner“ прогнозує, що цей ринок буде щорічно зростати в середньому на 17,9% між 2015 і 2017. При цьому найбільш зростаючим є сегмент наручних мобільних гаджетів з річним приростом 30%.
  • Ринок microgrids був оцінений в 16,58 млрд. USD 2015. У 2022 „Markets and Markets“ чекає його зростання до 38,99 млрд. USD при річному зростанні на рівні 12,45%.

Завдяки розвитку технологій, на сучасному ринку з’являються нові види продуктів і послуг з високим рівнем автоматизації. У зв’язку з цим постає питання про те, в яких областях такі розробки дійсно мають сенс, і який вплив вони мають на суспільство.
В умовах постійно зростаючого рівня автономності однозначно буде змінюватися і якість взаємодії людини і техніки. На сьогоднішній день людина виступає не тільки як кінцевий користувач, але і, у багатьох випадках, як частина системи управління (human-in-the-Loop). Автономізація ж створює тренд, який встановлює взаємодію людини і техніки на більш високий рівень абстракції. Автономна система дає людині можливість ознайомитися з частиною „свого“ цифрового бачення світу за допомогою відповідних абстракцій, таких як, наприклад, технології віртуальної реальності, релевантні для вирішення конкретної проблеми в даний момент часу. І навпаки, людина може з легкістю впливати на складні процеси всередині системи через інтуїтивно зрозумілі людино-машинні інтерфейси. Ця комунікація, що супроводжується підвищеним рівнем абстракції, вимагає, в свою чергу, певного рівня кваліфікації і навчання. Одночасно з цим зникнуть за непотрібністю робочі місця для низькокваліфікованого персоналу.

Читайте також  Річард Хэмминг: Глава 22. Навчання з допомогою комп'ютера (CAI)

Постійне використання великої кількості джерел даних значно підвищить небезпеку їх незахищеності. Архітектура розподілених мережевих систем буде встановлювати екстремально високі вимоги до свого захисту, щоб уникнути катастрофічного впливу можливих кібератак, спрямованих на відключення окремих складових компонентів.

При зростаючої автономності також виникає питання, якими цінностями повинен мати, що лежить в основі, процес прийняття рішень, і чи відповідають вони нашим власним. На підставі цього Європейський парламент у своїй резолюції від 16 лютого 2017 постановив:

  • використовувати принцип транспарентності, який передбачає, що завжди повинно бути можливо встановити принципи та аргументацію, що стоять за кожним прийнятим за допомогою штучного інтелекту рішенням, яке може чинити істотний вплив на людське життя;
  • завжди повинно бути можливо уявити обчислювальні алгоритми системи, що використовує штучний інтелект, у зрозумілій людині формі;
  • прогресивні роботи повинні бути оснащені так званим „чорним ящиком“, записує дані про кожної досконалою машиною транзакцією, включаючи логіку, яка внесла вклад у прийняття того чи іншого рішення.

Нарешті, з-за майбутнього введення на ринок автономних безпілотних автомобілів, необхідно заново переглянути закони про відповідальність за виникаючі правопорушення.

Ці теми виходять, таким чином, за рамки своєї суто професійної сфери. Яким чином потрібно проектувати автономні системи, щоб вони приносили не лише економічну вигоду, але й були б позитивно сприйняті суспільством? Ці проблеми повинні стати предметом вивчення інформатики. Настав час заново переосмислити існуючі процеси і методики проектування, які на постійній основі повинна бути включена оцінка соціального впливу розроблюваних автономних систем.

Класи автономності в різних галузях

Найвідомішим прикладом є автономні транспортні засоби в автомобільній промисловості. Багато виробників оголосили про випуск на ринок відповідних автомобілів в наступні 3-4 роки. Однак, наявні вже на сьогоднішній день, допоміжні системи дозволяють реалізувати дивовижні речі. Незважаючи на це, шлях від частково автоматизованого керування (деякі виробники говорять в цьому випадку про „пілотованому“ водінні) до повністю автономного ще дуже далекий. При частково автоматизованому (відповідає 2-му рівню автоматизації по SAE) головна відповідальність лежить на людині, і він зобов’язаний мати можливість самостійно втручатися в процес в найкоротші терміни. Крім цього, можливість застосування таких систем обмежена суворо нормованої навколишнім оточенням (наприклад, їзда по автотрасі). На рівні високо автоматизованого керування (рівень автоматизації 3 по SAE) водію дозволяється приділяти свою увагу іншим речам, тобто програмне забезпечення гарантує повну безпеку водіння або, в разі виникнення якоїсь помилки, переводить систему в безпечний стан, наприклад, зупинивши транспортний засіб на узбіччі. Повністю автоматизовані автомобілі (рівень автоматизації 4 по SAE), які справляються зі своїм завданням без допомоги водія, представляють вищу ступінь автономності, при цьому їм не потрібно ніяких вказівок щодо швидкості руху або особливостей навколишнього середовища.

Істотний вплив на розвиток цієї галузі має, в першу чергу, не бажання звичайних людей передати управління своїм автомобілем в інші руки, а потреби нових транспортних компаній у відповідних послугах, які відкривають нові сегменти ринку або пропонують більш ефективний і швидкий громадський транспорт всередині населених пунктів. У вантажних перевезеннях автоматизація дозволяє розвантажити водія, який зможе присвятити вільний час іншим завданням і буде, таким чином, продуктивніше працювати.

У залізничному і, в особливості, в підземному транспорті деякі процеси вже автоматизовані. Тут діє спрощена модель, так як система працює на гомогенном ландшафті, де відсутня перетин транспортних маршрутів і багато шляхів ізольовані один від одного. З іншого боку, до цього додається вищестояща система управління і координації процесів, з-за чого Міжнародного Союзу Громадського Транспорту (UITP) включив в свою класифікацію вищестоящу систему спостереження та контролю. Система автоматизованих поїздів містить такі три компоненти: забезпечення безпеки, управління складами і спостереження за поїздами. Безпека контролюється за допомогою дотримання дистанції між поїздами, а також управління їх швидкістю. Управління забезпечує рух поїзда згідно з розкладом і регулює, наприклад, відкриття та закриття дверей вагонів. Спостереження за поїздами контролює, у свою чергу, всі маршрути і всю інфраструктуру і передає відповідну інформацію в центр управління.

Така система може бути найбільш просто реалізована в метро на підставі однорідності транспортних засобів та ізольованості інфраструктури. Однак, відповідні концепти можуть бути перенесені і в інші галузі залізничного транспорту, аж до великих сортувальних станцій. При цьому все ж виникають проблеми при спостереженні і контролі за рухом міжнародного транспорту або із-за складності навколишнього середовища, як наприклад, рух приміських поїздів на вокзалах різного типу. Двигуном, що крокує вперед автоматизації залізничного транспорту, є висока економічна вигода пропонованих рішень, що досягається, наприклад, економією енергії при узгоджених процесах прискорення і гальмування в одній транспортній мережі.

Читайте також  Google Chrome вантажить процесор — що робити

У повітряному транспорті автоматизоване управління польотами застосовується вже давно. Для безпілотників, які застосовуються в основному у військових цілях, був підвищений рівень автономності в частині самостійного планування завдань і управління місіями. Десять рівнів автономності ALFUS (Autonomy Levels for Unmanned Systems) використовують при цьому три проекції для характеристики здібностей системи: незалежність від людського втручання, складність завдань і складність навколишнього оточення. Разом вони характеризують здібності автономної роботи. При пошуку технологічних рішень для вищого ступеня автономності додаються також такі теми, як поведінка в групі, адаптивна комунікація між апаратами і самонавчання, які, поки що, не торкнулися інших згаданих вище класифікацій.

У виробництві автоматизовані процеси є стандартними з введенням в 80-х роках програмованих логічних контролерів (ПЛК). Такі процеси, однак, володіють малою гнучкістю і орієнтовані на масове виробництво. Індивідуалізоване виробництво або, зумовлені ринком, зміни у продуктовому портфоліо призводять до дорогої перенастроюванні виробничих ліній і переоснащення обладнанням. У процесі розвитку цифрових технологій і на основі концепції Індустрії 4.0 індивідуалізоване виробництво прагне досягти такого ж рівня ефективності і якості, як при масовому виробництві. При цьому воно повинно автоматично пристосовуватися до мінливих умов і новим виробничим цілям. Дослідне товариство Фрауенхофер пропонує 5 еволюційних щаблів, що супроводжують цей розвиток. В першу чергу, потрібно забезпечити збір та обробку виробничих даних. Це буде бути основою для допоміжних систем, які надають допомогу в роботі і при прийнятті рішень. На третій стадії об’єднання виробничих етапів в єдину мережу обміну даними та їх інтеграція один з одним забезпечують необхідні умови для оптимізації усієї системи в цілому. Для підвищення еластичності виробництва на четвертій стадії від системи потрібні здатності до трансформації і реконфігурації. І на останньому п’ятому рівні виробнича система повинна вміти саму себе організовувати. На сьогоднішній день виробничі системи влаштувалися на рівнях з першого (збирання виробничих даних) третій (виробництво, об’єднане мережею загальних даних, як наприклад, при виробництві автомобілів). Щоб перейти на наступну стадію, потрібно, як правило, повна реструктуризація всієї виробничої архітектури, що, відповідно, вимагає великих витрат.

Рівні автономності всіх перерахованих областей застосування наведені у таблиці, при цьому зроблена спроба представити схожі ступені автономності з різних доменів на одному рівні.

Рівень автономності
Автотранспорт
Залізничний транспорт
Авіація
Виробництво
Немає автоматизації „Їде як бачить“ Збір і обробка даних
1 Допоміжні системи Допоміжні системи
2 Часткова автоматизація Автоматизовані системи безпеки за наявності машиніста Обмежене управління Робота в єдиній мережі та інтеграція
3 Умовна автоматизація Автоматизовані системи безпеки та експлуатації при наявності машиніста Діагностика стану в реальному часі Децентралізація, адаптація і трансформація
4 Висока автоматизація Безпілотна експлуатація Пристосованість до помилок, поломок і змін умов польоту
5 Повна автоматизація (автономність) Безпілотна експлуатація без контролю з боку людини Самовільна зміна маршруту Самоорганізація і автономність
6 Автономна поведінка у групі при будь-яких зовнішніх умовах

На основі наведених прикладів можна розпізнати багато спільного в класифікаціях за рівнями і цілям автономності. Узагальнена класифікація, яка б успішно об’єднала воєдино різні аспекти, була розроблена і опублікована SafeTRANS в рамках технічного планування реалізації високоавтоматизованих систем. У ній істотні аспекти автоматизації розділені на чотири класи:

  1. Функціональні автоматизовані системи можуть автономно виконувати обмежені, чітко сформульовані завдання, як наприклад, автоматична парковка, приземлення або повністю автоматизоване виробництво певного продукту. Ці системи не можуть навчатися в процесі експлуатації; кооперація з іншими системами обмежена лише обміном контекстної інформації, тобто відсутня будь-яка спільна робота.
  2. Системи, орієнтовані на виконання місій, можуть вирішувати незаплановану послідовність знайомих і здійсненних завдань незалежно від наявної ситуації. Це може бути, наприклад, автономна їзда на машині по трасі або робота однієї лінії метро. При реалізації цього можуть грати роль різні критерії оптимізації, як наприклад, мінімізація часу або ресурсних витрат. Розрахунки для планування та оптимізації виробляються системою динамічно в момент виконання завдання. Ці системи також не можуть навчатися в процесі роботи; кооперація з іншими системами обмежена обміном інформації про контексті задачі і про самій системі.
  3. Коллаборативними системами є такі системи як роботи, групи з транспортних засобів або літальних дронов, які рухаються в певному порядку або кооперуються один з одним щоб уникнути зіткнень. В цілях виконання своєї місії, такі системи в стані взаємодіяти з іншими системами і людьми, а також динамічно погоджувати один з одним свої сприйняття, інтерпретацію, цілі, плани і дії. Ці системи обмінюються зі своїми партнерами релевантною інформацією, але, все ж, не є учнями.
  4. Самодостатні (аутопоэзические) системи – це системи, які в змозі самостійно розвивати свої сприйняття, інтерпретацію, дії і здібності спільної роботи, а також обмінюватися з іншими системами (включаючи відтворення вивченого поведінки). Ці системи демонструють таким чином людиноподібна поведінку і, на сьогоднішній день, все ще не реалізовані на практиці. Здатність до безконтрольного навчання є основною характеристикою цього класу систем.
Читайте також  Що таке інтегрована відеокарта?

Істотним елементом представленої класифікації є здатність до навчання у аутопоезических систем. На сьогоднішній день кібер-фізичні системи не можуть бути наділені такою здатністю, так як не існує відповідних нормативних вимог, що забезпечують їх впевнену та безпечну роботу, тому що неможливо довести передбачуваність і надійність системи після її самовільного зміни. Недавні технологічні прориви в області Deep Learning та високі результати при розпізнаванні зображень і виявленні закономірностей показують, все-таки, що розробки в цьому напрямку і можливості машинного навчання розвиваються дуже швидким темпом. Однак, на цьому шляху все ще є безліч перешкод і потрібні додаткові дослідження: нейронні мережі можуть розвивати себе також в непередбаченому напрямку або витягувати закономірності з даних, які не повинні були б бути розпізнані. Актуальні дослідження показують, наприклад, що процес автоматичного навчання вивчає також етично небажані історичні дані, такі як статеві уподобання або расистську поведінку. Таким чином, необхідно здійснювати відповідний контроль за етичним і правовим нормам. Саме тому нейронні мережі на сьогоднішній день не можуть бути змінені після проходження фази навчання. Однак, з-за великої кількості вхідних даних і складності нейронних мереж, проблема невизначеності їх поведінки все ще залишається.

В особливості, в азіатському регіоні роль автономних систем все більше розглядається з позиції їх впливу на людину. Вони повинні допомагати людям, спрощуючи їх роботу. Людина при цьому все ж є елементом управління (human-in-the-loop), так що можна говорити в цьому випадку про кооперативному інтелекті. Прикладом цьому може служити взаємодія людини і робота при спільному виконанні якогось завдання. Такі самодостатні системи майбутнього здійснюють передачу досвіду між машинами і людьми і пристосовують свою поведінку. В цей же час з’являється можливість для рішення етичних питань. Поведінка машин у відношенні людини є областю досліджень машинної етики. Однак, навіть більш прості автономні системи вимагають інтерфейсу до людини. Відповідні інтерфейси зобов’язані зрозуміло інформувати, надавати в розпорядження різні служби та інформацію і, в ідеалі, враховувати індивідуальну поведінку людини в різних ситуаціях.

Вимоги до автономіям

У цьому розділі представлені базові рекомендації від SafeTRANS, що стосуються безпеки, працездатності і розробки високо автономних систем. Головною складністю для автономної системи при цьому є розпізнавання навколишньої дійсності.
Складність процесів навколишнього світу робить нездійсненним завдання проведення багатьох випробувань, необхідних для допущення автономної системи до експлуатації. Виходячи з цього, рекомендується реалізувати додаткову систему постійного спостереження за системою і навчати її на підставі даних, отриманих в результаті випробувань в реальних умовах. Схема нижче, показує такий процес навчання на мета-рівні, при якому система випробовується в реальних умовах, і дані спостережень після незалежної оцінки стають базисом для процесу навчання.

SafeTRANS рекомендує наступні заходи для розробки автономних систем:

Область дії
Заходи
1. Моделі навколишнього світу 1.1. Розробка загального відкритого індустріального стандарту для моделей навколишнього середовища в різних областях застосування, у відповідності з етапом розвитку та рівнем складності системи. 1.2. Побудова спільного процесу та відповідної інфраструктури для налагодження віртуального тестування систем. Для цього необхідні: акредитовані установи; загальнодоступне тестове оточення; специфікації тестування в реальних умови. 1.3. Створення прийнятної для дозвільних органів та суспільства аргументації, доводить безпеку високо автоматизованих систем і базується на результатах віртуальної перевірки та тестування в реальних умовах.
2. Навчальне співтовариство 2.1. Побудова спільного процесу навчання на основі спостережень у реальних умовах. Для цього необхідні: незалежний акредитований Центр Довіри; зобов’язання з боку комерційних організацій добровільно надавати уповноваженому Центру Довіри необхідні анонімні дані; передача Центром Довіри результатів аналізу назад в процес валідації.
3. Архітектура 3.1. Стандартизація протоколів обміну інформацією між об’єктами і ситуаціями в індустрії для забезпечення їх взаємодію один з одним. 3.2. Стандартизована функціональна архітектура автоматизованих систем і їх компонентів, що підтверджує безпеку та забезпечує мінімальну функціональність в спрощених режимів використання. 3.3. Одноманітний, узгоджений процес розробки високо автоматизованих систем, включаючи обов’язкову можливість проведення оновлення та апгрейда. 3.4. Індустріальний стандарт сертифікації/валідації сумісності оновлень системи з існуючою електротехнічної архітектурою. 3.5. Чіткі стандартизовані рівні деградації систем з гарантованим мінімумом функціональності
4. Гарантія взаємної сумісності автономних транспортних засобів 4.1. Міжнародна класифікація архітектур високо автоматизованих систем та їх взаємна сумісність. 4.2. Введення сертифікатів відповідності для архітектур з вищезгаданої класифікації, які видаються відкритою громадською організацією. 4.3. Міжнародний, узгоджений процес випуску систем наступного покоління
5. Платформа 5.1. Надання платформи з базовими службами для автономних транспортних засобів, що перебувають на різних етапах розвитку. 5.2. Установа спеціальних стандартів для платформ, які дозволяють проводити їх незалежну сертифікацію. 5.3. Надання програмного модуля, здатного показувати актуально сприймається стан навколишнього світу в кожен момент часу, картину можливого розвитку подій, а також виводити на основі цього рекомендації до дій

Степан Лютий

Обожнюю технології в сучасному світі. Хоча частенько і замислююся над тим, як далеко вони нас заведуть. Не те, щоб я прям і знаюся на ядрах, пікселях, коллайдерах і інших парсеках. Просто приходжу в захват від того, що може в творчому пориві вигадати людський розум.

You may also like...

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *