Rolls-Royce und Google Cloud kooperieren bei autonomen Schiffen

code 

Rolls-Royce hat mit Google einen Vertrag über die Weiterentwicklung seiner intelligenten Warnsysteme geschlossen, die vorhandene Schiffe sicherer machen und für die Realisierung autonomer Schiffe von essentieller Bedeutung sind.

Diese Vereinbarung, als die erste im Schiffssektor, wurde heute auf dem Google Cloud Summit in Schweden unterzeichnet. Damit kann Rolls-Royce die Cloud Machine Learning Engine von Google für das weitere Training des unternehmenseigenen Objektklassifizierungssystems, auf Basis künstlicher Intelligenz (KI), für die Erkennung und Nachverfolgung von Objekten nutzen, die einem Schiff auf dem Meer begegnen können.

Karno Tenovuo, Rolls-Royce, SVP Ship Intelligence, sagte: „Intelligente Warnsysteme werden bei der Schaffung einer autonomen Zukunft helfen, doch heute schon schaffen sie für Schifffahrtsunternehmen den Mehrwert, dass sie die Sicherheit und Effizienz der Schiffe und deren Crews steigern. Durch die Zusammenarbeit mit Google Cloud können wir diese Systeme schneller verbessern und so Leben retten“.

Eva Fors, Head of Google Cloud Sales Nordics sagte: „Im Rahmen der Erforschung der Möglichkeiten, die das maschinelle Lernen bietet, kann Rolls-Royce die neuesten technologischen Fortschritte mit dem vorhandenen Wissen über die Seeschifffahrt kombinieren und so letztendlich wesentliche Verbesserungen für den Sektor bewirken“.

Die Google Cloud Machine Learning Engine nutzt dieselbe netzbasierte Software für maschinelle Intelligenz, die viele der Google-Produkte einschließlich der Bild- und Sprachsuche so leistungsfähig macht. Maschinelles Lernen ist eine Sammlung von Algorithmen, Tools und Techniken, die zum Lösen bestimmter Probleme das menschliche Lernen nachahmen. Maschinelle Lernmethoden analysieren vorhandene Datensätze mit dem Lernziel, Muster in Trainingsdaten zu erkennen und so Vorhersagen anhand bisher unbekannter Daten zu treffen.

Je größer die Datensätze sind, desto komplexere Muster kann das Modell erkennen und desto genauer sind die Vorhersagen. Heute können gut trainierte Modelle Vorhersageanalysen schneller und besser als Menschen durchführen.

Rolls-Royce wird die Software der Google Cloud zur Schaffung maßgeschneiderter Maschinenlernmodelle nutzen, die von Rolls-Royce erstellte große und vielfältige Schiffsdatensätze auswerten können. Die Expertise von Rolls-Royce im maritimen Sektor wird für die Erstellung der Daten für das Training von Modellen genutzt; so wird sichergestellt, dass sie für die Erzeugung statistischer Signifikanz relevant und in ausreichender Menge vorhanden sind. Als Teil des maschinellen Lernprozesses werden die Vorhersagen der Modelle in praktischen Schiffsanwendungen ausgewertet und ermöglichen so eine weitere Verfeinerung der Modelle.

Durch den Zugriff auf Software über die Cloud können die Modelle an einem beliebigen Standort auf der Welt entwickelt werden und stehen Tausenden von Nutzern sofort weltweit zur Verfügung. Deshalb können Modelle anhand großer Datenmengen (Terabytes) trainiert werden. Das wird wichtig sein, wenn autonome Schiffe alltäglich geworden sind.

Langfristig beabsichtigen Rolls-Royce und Google gemeinsam auf dem Gebiet unbeaufsichtigtes und multimodales Lernen zu forschen. Die beiden Unternehmen werden auch testen, ob Spracherkennung und -synthese gangbare Lösungen für Mensch-Maschine-Schnittstellen in Schiffsanwendungen sind. Sie werden an der Leistungsoptimierung bei Berechnungen lokaler neuronaler Netzwerke an Bord von Schiffen unter Verwendung offener Quellsoftware für maschinelle Intelligenz wie TensorFlow von Google arbeiten.

Intelligente Warnsysteme werden die Bedienung von Schiffe sicherer, einfacher und effizienter machen, indem die Crew ein erweitertes Verständnis der Umgebung des Schiffs erhält. Das wird durch die Verschmelzung von Daten einer Reihe von Sensoren mit Informationen vorhandener Schiffssysteme wie dem Automatic Identification System (AIS) und Radar erreicht. Und auch Daten aus anderen Quellen einschließlich globaler Datenbanken werden ihren Teil dazu beitragen.

Teile diesen Artikel:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.