Forscher arbeiten an einem von der NASA finanzierten interdisziplinären Forschungsprojekt, das darauf abzielt, ein Sicherheitsmanagementsystem für elektrisch autonome Flugzeuge zu entwerfen und zu entwickeln. Assistenzprofessor im Fachbereich Maschinenbau und Luft- und Raumfahrttechnik, forscht zu Regelung, Optimierung, maschinellem Lernen und Künstlicher Intelligenz (KI) im Luftverkehr und in der Luftfahrt. Sein Labor entwickelt Flugdecks und bodengestützte Automatisierungs- und Entscheidungsunterstützungstools, um die Sicherheit für neue Flugzeugtypen und den Flugbetrieb zu verbessern und zu gewährleisten.
Während sich viele Innovationen bei Anwendungen der künstlichen Intelligenz und des maschinellen Lernens auf die Revolutionierung des Internets und der digitalen Konnektivität konzentriert haben, konzentriert sich eine Gruppe von Forschern darauf, diese Vorteile auszuweiten, um den Luftverkehr für physische Konnektivität und zukünftige Mobilität zu transformieren.
Forscher untersuchen ein neues dreijähriges, 2.5 Millionen US-Dollar teures NASA-Projekt zur systemweiten Sicherheitsförderung. Das Forschungsteam wird das Systemdesign untersuchen, um die Risiken für elektrische vertikale Start- und Landeflugzeuge (eVTOL) und ihre fortschrittlichen Luftmobilitätsmissionen in städtischen Umgebungen zu minimieren.
Das vorgeschlagene Systemdesign des Teams zielt darauf ab, die mehrschichtigen Risiken für autonome Flugzeuge zu minimieren. Widrige Wetterbedingungen wie Wind – auf die sich das Labor des Forschers konzentrieren wird – beeinträchtigen die Fähigkeit eines Elektroflugzeugs, sicher zu fliegen und zu landen. Zusätzliche Risiken umfassen Fehler oder Beeinträchtigungen von elektrischen Antriebskomponenten und Bedrohungen durch andere nicht kooperative Flugzeuge aufgrund von GPS-Spoofing oder Software-Hijacking während des Fluges. Das NASA-Projekt versucht, diese drei unterschiedlichen Problembereiche anzugehen – Risiko auf Missionsebene, Risiko auf Flugzeugebene und Risiko auf Luftraumebene.
„Sobald ein autonomes Flugzeug nicht mehr kooperativ wird, sei es bei einer Entführung, einem Autonomiefehler, einem Motor-/Batterieproblem oder aufgrund von Wind, beginnt dieses Flugzeug von seiner Spur abzudriften, wie erkennen wir dies und wie tun andere Flugzeuge? Vermeiden Sie potenzielle Kollisionen oder Konflikte.
Die weit verbreitete Einführung sicherer fahrerloser Autos bleibt noch Jahre entfernt. Dasselbe kann über autonome Flugzeuge gesagt werden, sagte der Forscher, dass Flugreisen ohne Piloten wahrscheinlich mit dem Transport kleiner Pakete oder der Lieferung von Mittagessen von lokalen Restaurants beginnen würden. Wenn sich diese Anwendungen als sicher und erfolgreich erweisen, könnten größere Frachtflüge und autonomer Passagierluftverkehr eingeführt werden, was möglicherweise die Verkehrsüberlastung verbessert und es den Menschen ermöglicht, weiter von ihrem Arbeitsplatz entfernt zu leben.
„Wenn ein maschineller Lernalgorithmus bei Facebook, TikTok, Netflix einen Fehler macht – das spielt keine allzu große Rolle. „Aber wenn in einer sicherheitskritischen Anwendung, wie der Luftfahrt oder beim autonomen Fahren, ein Fehler bei einem maschinellen Lernalgorithmus auftritt, kann es zu Unfällen kommen. Es kann tödliche Folgen haben.“
Bei Luftfahrtanwendungen steht die Sicherheit immer an erster Stelle. Neue Flugzeugtypen – Elektrifizierung in der Luftfahrt, KI und auf maschinellem Lernen basierende Autonomiefunktionen – bringen große Herausforderungen und Chancen für die Flugsicherheitsforschung mit sich.
Zusätzliche Projekte
Der Forscher erhielt ein zweijähriges Stipendium von der Federal Aviation Administration, um sich auf den Entwurf und die Implementierung eines Sicherheitsüberprüfungsrahmens für lernbasierte Luftfahrtsysteme zu konzentrieren.
Sie möchten untersuchen, wie diese auf KI und maschinellem Lernen basierenden Avionikfunktionen überprüft oder zertifiziert werden können. Forscher planen, einige Tools für die Offline- und Online-Verifizierung zu entwickeln, um die Sicherheit zu gewährleisten.
Die Forscher erhielten außerdem einen sechsmonatigen NASA-SBIR-Phase-I-Preis für die Zusammenarbeit mit Intelligent Automation, Inc. an einem Projekt zur Unterstützung des entstehenden großen Volumens des urbanen Luftverkehrs durch die Minderung potenzieller Staus im Luftraum. Das Team wird sich darauf konzentrieren, die hohen Ankunfts- und Abflugraten an Vertiports zu ermöglichen – den größten Engpässen für den eVTOL-Luftverkehr.
Unbemannte Elektroflugzeuge sind anfällig für Staus im Flugverkehr, da die Batterieleistung im Vergleich zu herkömmlichem Kraftstoff begrenzt ist. Elektroflugzeuge können erhebliche Ressourcen verbrennen, wenn sie nicht planmäßig landen können.
Sie können es sich nicht leisten, im Verkehr in der Luft zu sitzen, wenn sie schweben oder sich in den Himmel halten, verbrauchen sie ihre Batterien.
Das dritte Projekt ist eine einjährige Zusammenarbeit mit der University of Virginia und der George Mason University. Das Forschungsteam erhielt einen Zuschuss von der Virginia Commonwealth Cyber Initiative (CCI), um Bedrohungen durch autonome Fahrzeuge zu bekämpfen, wenn diese Opfer aufkommender Cyberangriffe werden. Das Smart City-Projekt integriert zwei neuartige Mechanismen: Videointelligenz auf Stadtebene zur Erkennung von Angriffen und Multi-Agent-Verstärkungsplanung zur Reaktion auf Angriffe und nicht kooperative Fahrzeuge.
Sie planen, Kameras zu verwenden, um potenziell abnormale Autobewegungen zu identifizieren, die von aggressivem oder berauschtem Fahren bis hin zu einem gehackten autonomen Fahrzeug reichen. Die Forscher zielen letztendlich darauf ab, diese Art von Verhalten zu erkennen und vorherzusagen, um das Risiko im Straßenverkehr zu mindern. Die Laborerfahrung des Forschers mit Kollisionsvermeidung und Konfliktlösung ist der Schlüssel zu diesen Bemühungen.
Vorbereitung auf morgen
KI und maschinelles Lernen werden die Grundlage für die Zukunft der technologischen Innovation sein, und im Luftverkehr und in der Luftfahrt gibt es erheblichen Raum für Expansion.
In den nächsten Jahrzehnten wird es einen wachsenden Bedarf an Arbeitskräften in der Luftfahrtindustrie geben, die sich konsequent auf Sicherheit konzentrieren und Künstliche Intelligenz (KI) anwenden und entwickeln können Maschinelles Lernen Technologie. Gewählte Beamte und ihre Mitarbeiter, politische Entscheidungsträger und Regulierungsbehörden der Federal Aviation Administration müssen ebenfalls über ausreichende Kenntnisse verfügen, um sich ändernde Technologien bewerten zu können.