स्वायत्त विमान: पायलट-मुक्त क्रॉप डस्टर मार्ग दाखवतात

Pyka आणि Windracers सुरवातीपासूनच विमाने तयार करत आहेत, असा युक्तिवाद करत आहे की यामुळे स्वायत्तता सुरवातीपासूनच डिझाइन केली जाऊ शकते आणि विमान नोकरीसाठी तयार केले जाते.

इतर सध्याच्या मोठ्या विमानांचे रीट्रोफिटिंग करत आहेत.

बोईंगच्या गुंतवणुकीच्या हाताने समर्थित, यूएस-आधारित रिलायबल रोबोटिक्स सध्या सेसना 208B ग्रँड कॅरव्हान, एकल-पायलट कार्गो विमानावर आपल्या प्रणालीची चाचणी करत आहे जे शेकडो किलोमीटरवर सुमारे 1360kg पेलोड वाहून नेऊ शकते.

प्रमाणित विमानांवरील रेट्रोफिटिंगमुळे कंपनीला नवीन विमानासाठी मंजुरी घेण्याऐवजी स्वायत्त प्रणालीची सुरक्षितता सिद्ध करण्यावर विशेष लक्ष केंद्रित करू देते, असे तिचे सह-संस्थापक आणि सीईओ रॉबर्ट रोज म्हणतात.

मर्लिन लॅब, सुद्धा यूएस-आधारित, उत्तरोत्तर मोठ्या लष्करी विमानांद्वारे काम करत आहे आणि आता तिची प्रणाली दोन-पायलट लॉकहीड मार्टिन C-130J मिलिटरी ट्रान्सपोर्ट प्लेनवर लागू करत आहे, त्यानंतर व्यावसायिक मल्टी-क्रू कार्गो विमाने.

“हा एक सामान्य स्वायत्तता मेंदू आहे जो वेगवेगळ्या विमानांमध्ये संक्रमण करू शकतो,” मॅट जॉर्ज, मर्लिनचे संस्थापक आणि मुख्य कार्यकारी अधिकारी स्पष्ट करतात.

कंपन्यांचा AI बाबतचा दृष्टिकोनही वेगळा आहे.

विश्वासार्ह हे पूर्णपणे टाळत आहे, असा युक्तिवाद करत आहे की ते प्रमाणन गुंतागुंतीत करेल.

मर्लिन, दरम्यानच्या काळात, अधिक एआय-केंद्रित दृष्टीकोन घेत आहे.

विभाजन तथाकथित शोधणे आणि टाळा प्रणालींमध्ये स्पष्ट आहे.

स्वायत्त उड्डाणाचे सर्वात मोठे आव्हान म्हणजे वैमानिकाची इतर विमाने आणि अडथळे सुरक्षितपणे शोधण्याची आणि युक्ती चालवण्याच्या क्षमतेची प्रतिकृती बनवणे, आणि त्रुटीसाठी अक्षरशः मार्जिन नाही.

अद्याप कोणतेही परिपूर्ण समाधान नसताना, कंपन्या अतिरिक्त बॅक-अप प्रदान करण्यासाठी भिन्न सेन्सर प्रणाली जोडत आहेत तसेच त्या डुप्लिकेट करत आहेत ज्या आधीच मानक म्हणून येतात.

रिलायबलने विमानाने कसा प्रतिसाद द्यायचा हे ठरवण्यासाठी निश्चित नियमांचे पालन करणारे सॉफ्टवेअरसह आठ किलोमीटरहून अधिक अंतरावरील इतर विमाने शोधण्यासाठी दूरदर्शी एअर-टू-एअर रडार जोडले आहे.

ते “वैमानिकाच्या डोळ्यापेक्षा चांगले” आहे रोझ म्हणतो.

मर्लिन, दरम्यान, वस्तू शोधण्यासाठी आणि वर्गीकरण करण्यासाठी AI-शक्तीवर चालणारे कॅमेरे वापरत आहे.

झाडे, वाहने, मोठे पक्षी आणि भूप्रदेश शोधण्यासाठी पायकाने सुरुवातीपासून लिडरचा वापर केला आहे. पण ती कमी श्रेणीची आहे, त्यामुळे कंपनीने AI-शक्तीवर चालणारे कॅमेरे देखील जोडण्याची योजना आखली आहे, जो AI ऑनबोर्डचा पहिला खरा वापर आहे.

“बऱ्याच गोष्टींसाठी AI वापरण्याची गरज नाही…पण सहा पिक्सेल अंतरावर असलेले विमान विरुद्ध इतर काही धब्बे आहेत हे शोधण्यासाठी, तो परिपूर्ण प्रदेश आहे,” नॉर्सिया म्हणतात.

एअर ट्रॅफिक कंट्रोलशी संवाद साधण्यापर्यंतही एआयची कोंडी आहे.

सामायिक एअरस्पेसमध्ये, विमाने सामान्यत: हवाई वाहतूक नियंत्रणाकडून रेडिओ सूचना प्राप्त करण्यास, अर्थ लावण्यास आणि प्रतिसाद देण्यास सक्षम असणे आवश्यक आहे.

Reliable चा उपाय म्हणजे जमिनीवर दूरस्थ पायलट असणे, सुरुवातीला पूर्ण प्रशिक्षित, संप्रेषण हाताळणे आणि सुरक्षितता-गंभीर निर्णय घेणे.

मर्लिनने जनरेटिव्ह एआय वापरण्याची योजना आखली आहे, जे हजारो तास रेकॉर्ड केलेल्या एक्सचेंजेसवर प्रशिक्षित आहे, सूचनांचा अर्थ लावण्यासाठी आणि स्वतःला प्रतिसाद देण्यासाठी.

“आमची समस्या अधिक कठीण आहे… पण आम्हाला दूरस्थ पायलटिंगच्या पलीकडे जायचे आहे,” जॉर्ज म्हणतो.

मर्लिन पायलटला टप्प्याटप्प्याने दोन ते एक आणि अखेरीस कमी करण्याची योजना आखत आहे.

Pyka, Norcia म्हणते, इतरांना सामायिक एअरस्पेसमध्ये ऑपरेट करण्याचा सर्वोत्तम मार्ग शोधण्यात “ट्रेल चमकू” देण्यास समाधानी आहे.

दरम्यान, जरी पूर्णपणे स्वायत्त प्रवासी उड्डाण मायावी राहिली तरीही, अनेकांना अशी अपेक्षा आहे की पायनियर केलेले तंत्रज्ञान व्यावसायिक विमानचालनात इंच वाढेल, संभाव्यत: पायलट उड्डाण अधिक सुरक्षित करेल.

यूएस वैमानिकांची संघटना ALPA हे स्वागतार्ह विकास ठरेल.