A Ponte e Além: IA e RA Revolucionam a Tomada de Decisões Marítimas

Os sistemas Furuno podem sobrepor uma forma virtual gráfica sobre alvos AIS, como bóias, barcos e navios, para fornecer detalhes de sua posição em condições de baixa visibilidade. Imagem cortesia Furuno

“Um dos cenários mais prováveis no futuro próximo é que a tripulação humana a bordo dos navios será aumentada tanto pelo aprendizado de máquina quanto pela visualização da situação do navio a partir de uma instalação em terra.” Matt Wood, gerente nacional de vendas da Furuno USA Inc.

Renderização de interfaces de RA montadas na cabeça (lado esquerdo) versus interface de RA baseada em tela (lado direito). Renderização por Jon Fauske, copyright Oslo School of Architecture and design. Imagem cortesia de Kjetil Nordby

Renderização de como a sobreposição de AR muda conforme um navio chega ao porto. Renderizado por Jon Fauske, copyright da Escola de Arquitetura e Design de Oslo. Imagem cortesia de Kjetil Nordby

A Shipin Systems usa um sistema de câmera baseado em IA colocado em áreas operacionais centrais por toda a embarcação. Imagem cortesia da ShipIn Systems Inc.

Previous Next

Já é possível ter suporte inteligente para decisões na ponte: com a tecnologia da Furuno , imagens de vídeo ao vivo da vista frontal da embarcação têm informações de navegação sobrepostas, incluindo direção, dados AIS, rastreamento de alvos por radar, identificação de objetos, ponto de referência da rota e informações de cartas.

O sistema de suporte de ponte da SEA.AI pode identificar embarcações maiores não equipadas com AIS em um alcance de até 7,5 quilômetros (quase cinco milhas), embarcações menores em até 3 quilômetros (quase 2 milhas) de distância e destroços em até 700 metros (quase meia milha) de distância.

Aumentar a consciência situacional de um vigilante com tecnologia pode reduzir a fadiga e ajudá-lo a tomar melhores decisões, mais cedo. Mas não é fácil aumentar as habilidades de um vigilante experiente. Muito esforço é feito para construir a base de conhecimento que dá suporte à interpretação digital das informações.

Uma das perguntas mais comuns que a SEA.AI recebe diz respeito à capacidade do seu sistema de detectar contêineres semi-submersos. Detectar um contêiner flutuante é bastante simples devido ao seu tamanho maior em comparação com bóias, sua estrutura retangular rígida e o diferencial de temperatura entre o contêiner e a água ao redor. No entanto, qualquer objeto pode apresentar variação significativa dependendo do ângulo de visão, distância, condições do mar, nível de submersão, orientação na água, hora do dia, condições climáticas, intensidade da luz solar, orientação espacial e inclinação, entre outras variáveis. Como resultado, para identificar um objeto com confiança, a SEA.AI geralmente requer entrada de centenas de milhares de imagens.

Os sistemas Furuno podem sobrepor uma forma virtual gráfica sobre alvos AIS, como bóias, barcos e navios, para fornecer detalhes de sua posição em condições de baixa visibilidade. Imagem cortesia Furuno
A empresa de tecnologia Orca AI calculou os benefícios do uso de suporte digital para evitar manobras bruscas e desvios de rota. Um cliente, a Seaspan Corp , registrou uma redução de 19% em encontros próximos e um aumento de 20% na distância média mínima de outras embarcações, levando a uma economia anual estimada de combustível de US$ 100.000 por embarcação usando o assistente de navegação da Orca AI.

O CEO da Shipin Systems, Osher Perry, afirma resultados operacionais, incluindo uma redução de 42% em incidentes e um aumento de 17% na conformidade da tripulação da ponte quando seu sistema de câmera baseado em IA é colocado em áreas operacionais centrais em toda a embarcação. O sistema oferece detecção de risco em tempo real, incluindo detecção precoce de incêndios, uma ponte não tripulada e uso impróprio de EPI, integrando dados de vídeo com sistemas de navios, incluindo sensores de navegação, clima e máquinas. Algumas embarcações relataram zero incidentes em 180 dias de implantação, enquanto a manutenção aprimorada e a detecção precoce de anomalias reduziram os dias de folga não planejados em 30%.

A Furuno está usando IA para aumentar seus sistemas que já podem sobrepor uma forma virtual gráfica sobre alvos AIS, como bóias, barcos e navios, para fornecer detalhes de sua posição em condições de baixa visibilidade. A empresa agora está desenvolvendo um sistema de atracação automático ou assistido.

Além disso, diz Matt Wood, gerente nacional de vendas da Furuno USA Inc. , a empresa participou de várias viagens semi-tripuladas e autônomas dentro do Japão. “Um dos cenários mais prováveis no futuro próximo é que a tripulação humana a bordo das embarcações será aumentada tanto pelo aprendizado de máquina quanto pela visualização da situação da embarcação de uma instalação em terra.”

Ele continua: “Estamos em um estágio de desenvolvimento de RA agora em que muitas ferramentas estão sendo criadas, muitas das quais são boas. No entanto, não há padronização nessas exibições. Não podemos e não devemos remover o marinheiro da equação, mas precisamos de uma maneira de apresentá-los com as melhores informações possíveis da maneira mais fácil de reconhecer possível.”

A Furuno está participando do projeto OpenBridge liderado pela Escola de Arquitetura e Design de Oslo, em parceria com uma ampla gama de outras empresas, incluindo Kongsberg, Brunvoll e Vard. Juntos, eles desenvolveram uma coleção de ferramentas e abordagens para melhorar o design de pontes com base na tecnologia de interface de usuário moderna e princípios de design centrados no ser humano. O objetivo é evitar a fragmentação que vem com muitas interfaces de usuário diferentes em uma ponte, aumentando a necessidade de treinamento e também aumentando as chances de erro humano.

A maioria das demonstrações de tecnologia do projeto OpenAR até agora se concentrou no suporte à consciência situacional por meio de sistemas de exibição de pontos de interesse mostrando embarcações e outras informações no mundo real.
- Professor Kjetil Nordby , Escola de Arquitetura e Design de Oslo
Imagem cortesia de Kjetil Nordby Renderização de sobreposição de RA na asa da ponte usando uma interface de RA montada na cabeça. Renderização por Jon Fauske, copyright da Escola de Arquitetura e Design de Oslo. Imagem cortesia de Kjetil Nordby Mais de 1.000 empresas já se registraram para acessar as diretrizes, e o sucesso do OpenBridge levou ao projeto OpenAR , que está expandindo a orientação para a funcionalidade de RA. A maioria das demonstrações de tecnologia do projeto até agora se concentrou no suporte de consciência situacional por meio de sistemas de exibição de pontos de interesse mostrando embarcações e outras informações sobre o mundo real, diz o professor Kjetil Nordby da Escola de Arquitetura e Design de Oslo. "Eles agora estão sendo feitos para vídeo em centros de operação remotos, interfaces projetadas em janelas, sistemas de consciência situacional baseados em telas a bordo e displays head-up semelhantes aos sistemas de carros. Ainda não vimos nenhum parceiro fazer sistemas montados na cabeça, mas esperamos que isso também esteja no horizonte."

Seu foco no design do local de trabalho está se estendendo para salas de máquinas e, mais recentemente, com o projeto OpenZero, ele está abrangendo tecnologias de descarbonização que aumentam a eficiência energética e reduzem o consumo de combustível. Os parceiros para este projeto incluem ABB, GE Marine e DNV.

Todos esses projetos são projetados para dar suporte à tomada de decisões pelas tripulações, mas os sistemas que estão sendo desenvolvidos também são os blocos de construção para a navegação segura e o gerenciamento de navios autônomos. Para isso, é a tomada de decisões das máquinas que precisa ser aumentada.

“Prever pedestres e outros veículos ou embarcações é uma das áreas de pesquisa mais financiadas em navegação autônoma em sistemas terrestres, aéreos ou marítimos”, diz o professor Lokukaluge Prasad Perera da Universidade Ártica da Noruega . Perera está testando modelos para prever o comportamento de navios em longo e curto alcance usando redes neurais que podem aprender com bancos de dados extensos, como aqueles gerados em simuladores de treinamento, bem como com dados de sensores de bordo e AIS. O objetivo é permitir a tomada de decisões seguras em navios autônomos e ajudar as tripulações a entender o comportamento de navios autônomos se os encontrarem.

A equipe de Perera está trabalhando em um preditor de larga escala que combina aprendizado de rede neural com dados AIS para prever até 20 minutos da trajetória de um navio. Um preditor local também está sendo desenvolvido, combinando modelos cinemáticos de navios e aprendizado de rede neural de dados de desempenho de bordo do navio para prever com precisão os 20 segundos imediatos da trajetória de um navio.

“O preditor local é importante para muitas situações de encontro próximo de navios para avaliar o possível risco de colisão. Portanto, preditores de escala local e global podem ajudar navios autônomos a detectar possíveis situações de colisão e, então, tomar as medidas apropriadas em um estágio inicial”, diz Perera. “Quando os sistemas estão tomando decisões, essas previsões iniciais são extremamente importantes.”

A Shipin Systems oferece detecção de risco em tempo real, incluindo detecção precoce de incêndios, uma ponte não tripulada e uso impróprio de EPI. Direitos autorais da imagem 2024, cortesia da ShipIn Systems Inc.