Skip to main content

Solutions for voice interaction towards natural crew assistant

Article Category

Article available in the folowing languages:

Rozpoznawanie mowy i sztuczna inteligencja pomagają odciążyć załogi samolotu

Liczba wypadków lotniczych zmniejszyła się w ostatnich latach, ale gdy już do nich dochodzi, załoga jest zazwyczaj przeciążona pracą. Dlatego też zwiększenie wydajności załogi w okresach dużego obciążenia pracą ma ogromne znaczenie i może pomóc w utrzymaniu bezpieczeństwa lotu.

Transport i mobilność

Obciążenie załogi wynika z kombinacji nieprzewidywalnych sytuacji: warunków meteorologicznych; dużego natężenia ruchu; awarii systemu oraz rutynowych manewrów lotniczych takich jak start, wznoszenie, opadanie, podejście i lądowanie. Przytłaczająca ilość informacji, które muszą przetworzyć członkowie załogi oraz ogrom zadań, które muszą wykonać, mogą odbić się na bezpieczeństwie lotu. Zespół finansowanego ze środków UE projektu VOICI pochylił się nad tym problemem, tworząc inteligentny system wspomagania załogi do użytku w kokpicie. Jest on oparty na trzech głównych technologiach, a mianowicie rejestracji dźwięku, rozpoznawaniu mowy i sztucznej inteligencji. Obejmuje wbudowany w kokpit system przetwarzania mowy rozpoznający terminy lotnicze, a także zestaw niskoszumowych mikrofonów optycznych rozmieszczonych w optymalny sposób. System VOICI wyróżnia również nowa i bardziej efektywna metoda syntezy mowy, dostosowana do terminologii lotniczej i poziomu hałasu.

Ocena w realistycznych warunkach

Partnerzy projektu dążyli do stworzenia demonstracyjnego testu słuszności koncepcji zdolnego do odbierania wszystkich komunikatów w kokpicie, zarówno przekazywanych między członkami załogi, jak i między załogą a kontrolą ruchu lotniczego. „System VOICI powinien rozpoznawać i interpretować treści rozmów, współdziałać z załogą i spełniać jej polecenia, aby uprościć jej pracę i zmniejszyć obciążenie poznawcze”, tłumaczy Tor Arne Reinen, koordynator projektu. Naukowcy stworzyli również realistyczne środowisko testowe do oceny dźwięków. Ułatwiło to rozwój inteligentnego systemu wspomagania i umożliwiło ocenę jego pracy oraz zastosowaną technologię przechwytywania i rozpoznawania mowy do wykorzystania w hałaśliwym kokpicie, jak i inteligentny systemem dialogowy odpowiadający za automatyczną syntezą mowy. Środowiskiem testowym jest trójwymiarowy, fizyczny model kokpitu Falcon 2000S, w którym przez głośniki odtwarzane były nagrania szumów z rzeczywistego lotu. „Udowodniliśmy, że inteligentny system wspomagania załogi radzi sobie nawet przy bardzo wysokim poziomie hałasu w kokpicie lotniczym”, wyjaśnia Reinen.

Liczne korzyści

Przechwytywanie mowy odbywa się zarówno za pomocą zestawu słuchawkowego pilota, jak i zestawu mikrofonów w otoczeniu. Rozpoznawanie mowy za pomocą głębokich sieci neuronowych oraz system dialogowy zostały opracowane z myślą o pracy w kokpicie. W system wgrano bazę terminologii lotniczej oraz uodporniono go na wysoki poziom szumu w otoczeniu. Systemy te działają niezależnie od systemów opartych na chmurze i wykorzystują modele językowe dostosowane do warunków na pokładzie. Jak twierdzi badacz, wszystkie algorytmy będące podstawą systemu dialogowego zostały zaimplementowane i przetestowane – od jednostki rozumienia języka naturalnego (NLUU), która przetwarza polecenia, do rdzenia dialogowego, który obsługuje przepływ rozmów. „Szczególny nacisk został położony na zdolność inteligentnego systemu wspomagania do wykorzystywania danych kontekstowych”, zauważa uczony. Projekt VOICI, poprzez zmniejszenia obciążenia załogi pracą, przyczyni się do optymalizacji operacji, poprawy bezpieczeństwa lotów i świadomości załogi, lepszej obsługi technicznej, zmniejszenia kosztów operacji oraz zwiększenia wydajności i zmniejszenia poziomu stresu. „Projekt VOICI zrzesza zarówno małe i średnie przedsiębiorstwa (MŚP), jak i instytuty badawcze, a współpraca w ramach konsorcjum przyczyni się do opracowania innowacji i tworzenia miejsc pracy”, zaznacza Reinen.

Słowa kluczowe

VOICI, kokpit, lotnictwo, rozpoznawanie mowy, system wspomagania załogi, sieci neuronowe

Znajdź inne artykuły w tej samej dziedzinie zastosowania