El puente y más allá: la IA y la RA revolucionan la toma de decisiones marítimas

Los sistemas Furuno pueden superponer una forma virtual gráfica sobre objetivos AIS como boyas, barcos y buques para proporcionar detalles de su posición en condiciones de baja visibilidad. Imagen cortesía de Furuno

“Uno de los escenarios más probables en el futuro cercano es que la tripulación humana a bordo de los buques se verá reforzada tanto por el aprendizaje automático como por la visualización de la situación del buque desde una instalación en tierra”. Matt Wood, gerente nacional de ventas de Furuno USA Inc.

Representación de interfaces de realidad aumentada montadas en la cabeza (lado izquierdo) en comparación con una interfaz de realidad aumentada basada en pantalla (lado derecho). Representación de Jon Fauske, copyright de la Escuela de Arquitectura y Diseño de Oslo. Imagen cortesía de Kjetil Nordby

Representación de cómo cambia la superposición AR cuando un barco llega al puerto. Render de Jon Fauske, copyright de la Escuela de Arquitectura y Diseño de Oslo. Imagen cortesía de Kjetil Nordby

Shipin Systems utiliza un sistema de cámaras basado en inteligencia artificial ubicado en las principales áreas operativas de un buque. Imagen cortesía de ShipIn Systems Inc.

Previous Next

Ya es posible contar con soporte de decisiones inteligentes en el puente: con la tecnología de Furuno , las imágenes de video en vivo de la vista frontal del barco tienen información de navegación superpuesta, incluyendo rumbo, datos AIS, seguimiento de objetivos de radar, identificación de objetos, puntos de ruta e información de la carta.

El sistema de soporte de puente de SEA.AI puede identificar embarcaciones más grandes no equipadas con AIS hasta un alcance de 7,5 kilómetros (casi cinco millas), embarcaciones más pequeñas hasta 3 kilómetros (casi 2 millas) de distancia y restos flotantes hasta 700 metros (casi media milla) de distancia.

Aumentar la conciencia situacional de un guardia con tecnología puede reducir la fatiga y ayudarlo a tomar mejores decisiones en forma más temprana. Pero no es fácil mejorar las habilidades de un guardia experimentado. Se requiere mucho esfuerzo para construir la base de conocimientos que respalda la interpretación digital de la información.

Una de las consultas más habituales que recibe SEA.AI se refiere a la capacidad de su sistema para detectar contenedores semisumergidos. Detectar un contenedor flotante es en su mayoría sencillo debido a su mayor tamaño en comparación con las boyas, su estructura rectangular rígida y la diferencia de temperatura entre el contenedor y el agua circundante. Sin embargo, cualquier objeto puede presentar variaciones significativas en función del ángulo de visión, la distancia, las condiciones del mar, el nivel de inmersión, la orientación en el agua, la hora del día, las condiciones meteorológicas, la intensidad de la luz solar, la orientación espacial y la inclinación, entre otras variables. Como resultado, para identificar con seguridad un objeto, SEA.AI a menudo requiere la entrada de cientos de miles de imágenes.

Los sistemas Furuno pueden superponer una forma virtual gráfica sobre objetivos AIS como boyas, barcos y buques para proporcionar detalles de su posición en condiciones de baja visibilidad. Imagen cortesía de Furuno
La empresa de tecnología Orca AI ha calculado los beneficios de utilizar el soporte digital para evitar maniobras bruscas y desviaciones de ruta. Un cliente, Seaspan Corp , registró una reducción del 19 % en los encuentros cercanos y un aumento del 20 % en la distancia mínima promedio con otras embarcaciones, lo que se traduce en un ahorro de combustible anual estimado de 100 000 dólares por embarcación utilizando el asistente de navegación de Orca AI.

El director ejecutivo de Shipin Systems, Osher Perry, afirma que los resultados operativos incluyen una reducción del 42 % en los incidentes y un aumento del 17 % en el cumplimiento de las normas de la dotación del puente cuando su sistema de cámara basado en IA se coloca en las áreas operativas principales de un buque. El sistema ofrece detección de riesgos en tiempo real, incluida la detección temprana de incendios, un puente sin tripulación y el uso inadecuado de EPI mediante la integración de datos de video con los sistemas del barco, incluidos los sensores de navegación, meteorológicos y de maquinaria. Algunos buques han informado de cero incidentes en los 180 días posteriores a su implementación, mientras que el mantenimiento mejorado y la detección temprana de anomalías han reducido los días de inactividad no planificados en un 30 %.

Furuno está utilizando la IA para mejorar sus sistemas, que ya pueden superponer una forma virtual gráfica sobre objetivos AIS, como boyas, barcos y buques, para proporcionar detalles de su posición en condiciones de baja visibilidad. La empresa está desarrollando ahora un sistema de atraque automático o asistido.

Además, dice Matt Wood, gerente nacional de ventas de Furuno USA Inc. , la empresa ha participado en varios viajes semitripulados y autónomos dentro de Japón. “Uno de los escenarios más probables en el futuro cercano es que la tripulación humana a bordo de los buques se verá reforzada tanto por el aprendizaje automático como por la visualización de la situación del buque desde una instalación en tierra”.

Y continúa: “Estamos en una etapa de desarrollo de RA en la que se están creando muchas herramientas, muchas de las cuales son buenas. Sin embargo, no existe una estandarización en estas pantallas. No podemos ni debemos eliminar al navegante de la ecuación, pero necesitamos una forma de presentarle la mejor información posible de la forma más fácil de reconocer”.

Furuno participa en el proyecto OpenBridge, dirigido por la Escuela de Arquitectura y Diseño de Oslo, en colaboración con una amplia gama de otras empresas, entre las que se incluyen Kongsberg, Brunvoll y Vard. Juntos, han desarrollado una colección de herramientas y enfoques para mejorar el diseño de puentes basándose en la tecnología de interfaz de usuario moderna y en principios de diseño centrados en el ser humano. El objetivo es evitar la fragmentación que conlleva el hecho de tener muchas interfaces de usuario diferentes en un puente, lo que aumenta la necesidad de formación y también las posibilidades de error humano.

La mayoría de las demostraciones tecnológicas del proyecto OpenAR hasta el momento se han centrado en el apoyo al conocimiento de la situación a través de sistemas de visualización de puntos de interés que muestran embarcaciones y otra información sobre el mundo real.
-- Profesor Kjetil Nordby , Escuela de Arquitectura y Diseño de Oslo
Imagen cortesía de Kjetil Nordby Representación de una superposición de realidad aumentada en el ala del puente utilizando una interfaz de realidad aumentada montada en la cabeza. Representación de Jon Fauske, copyright de la Escuela de Arquitectura y Diseño de Oslo. Imagen cortesía de Kjetil Nordby Más de 1.000 empresas se han registrado para acceder a las directrices, y el éxito de OpenBridge ha dado lugar al proyecto OpenAR , que está ampliando las directrices a la funcionalidad de realidad aumentada. La mayoría de las demostraciones tecnológicas del proyecto hasta ahora se han centrado en el apoyo a la conciencia situacional mediante sistemas de visualización de puntos de interés que muestran embarcaciones y otra información sobre el mundo real, afirma el profesor Kjetil Nordby de la Escuela de Arquitectura y Diseño de Oslo. "Estos sistemas ya se han diseñado para vídeo en centros de operaciones remotos, interfaces proyectadas en ventanas, sistemas de conciencia situacional basados en pantallas a bordo y pantallas de visualización frontal similares a los sistemas de los coches. Todavía no hemos visto a ningún socio fabricar sistemas montados en la cabeza, pero esperamos que también estén en el horizonte".

Su enfoque en el diseño de espacios de trabajo se está extendiendo a las salas de máquinas y, más recientemente, con el proyecto OpenZero, está abarcando tecnologías de descarbonización que impulsan la eficiencia energética y reducen el consumo de combustible. Entre los socios de este proyecto se incluyen ABB, GE Marine y DNV.

Todos estos proyectos están diseñados para apoyar la toma de decisiones de las tripulaciones, pero los sistemas que se están desarrollando también son los pilares para la navegación y la gestión seguras de los buques autónomos. Para ello, es necesario mejorar la toma de decisiones de las máquinas.

“La predicción de la presencia de peatones y otros vehículos o embarcaciones es una de las áreas de investigación más financiadas en la navegación autónoma en sistemas terrestres, aéreos o marítimos”, afirma el profesor Lokukaluge Prasad Perera, de la Universidad Ártica de Noruega . Perera está probando modelos para predecir el comportamiento de los barcos a larga y corta distancia utilizando redes neuronales que pueden aprender de bases de datos extensas, como las generadas en simuladores de entrenamiento, así como de los datos de sensores y AIS a bordo. El objetivo es permitir la toma de decisiones seguras en los barcos autónomos y ayudar a las tripulaciones a comprender el comportamiento de los barcos autónomos si se encuentran con ellos.

El equipo de Perera está trabajando en un predictor a gran escala que combina el aprendizaje de redes neuronales con datos AIS para predecir hasta 20 minutos de la trayectoria de un barco. También se está desarrollando un predictor local que combina modelos cinemáticos de barcos y aprendizaje de redes neuronales a partir de datos de rendimiento de a bordo de los barcos para predecir con precisión los 20 segundos inmediatos de la trayectoria de un barco.

“El predictor local es importante en muchas situaciones de encuentro cercano con barcos para evaluar el posible riesgo de colisión. Por lo tanto, los predictores a escala local y global pueden ayudar a los barcos autónomos a detectar posibles situaciones de colisión y luego tomar las medidas adecuadas en una etapa temprana”, dice Perera. “Cuando los sistemas toman decisiones, estas predicciones tempranas son extremadamente importantes”.

Shipin Systems ofrece detección de riesgos en tiempo real, incluida la detección temprana de incendios, un puente sin personal y el uso inadecuado de EPP. Imagen con derechos de autor 2024, cortesía de ShipIn Systems Inc.