Как сенсорная фузия повышает надежность, безопасность и эффективность автономных систем

Сенсорная фузия остается краеугольным камнем современных технологий, особенно по мере расширения Интернета вещей и массового внедрения автономных транспортных средств и передовых систем помощи водителю (ADAS). Хотя концепция восходит к 1960-м годам, сегодня индустрия открывает новые инсайты о том, какие сенсорные потоки комбинировать и как извлекать действенную интеллигенцию. Правильная комбинация зависит от конкретного приложения и баланса между стоимостью, риском и пользой.

Объем сенсорной фузии зависит от приложения и соотношения стоимость/риск/польза (Image: SAR Insight and Consulting)

В эре, когда отдельные актеры и государственные агентства создают растущие угрозы автономным системам, сенсорная фузия важнее чем когда-либо. Хотя политические дебаты часто сосредотачиваются на рисках информационной безопасности 5G, вредоносное ПО, способное саботировать или вымогать операторов автономных систем, представляет осязаемую опасность. Системные архитекторы должны признавать эти угрозы и избегать дорогостоящих ошибок, которые преследовали гигантов авто- и авиапрома. Например, реколл Ford Pinto 1970-х годов подчеркнул человеческую ценну недостаточных мер безопасности, а решение Boeing взимать доплату за критически важную избыточность сенсорной фузии на 737 MAX продолжает отражаться на цепочке поставок.

Помимо безопасности, экономические и медицинские преимущества передовых систем сенсорной фузии — будь то мониторинг человеческой активности или питание промышленной автоматизации — уже очевидны.

Толерантность к ошибкам и устойчивость

Каждый сенсор и предиктивная модель несут в себе внутреннюю ошибку. Агрегируя множественные измерения одной переменной, системы получают надежность и устойчивость, смягчая сбои, которые иначе могли бы быть катастрофическими. Хотя избыточность вводит затраты и сложность, случаи Ford и Boeing иллюстрируют, что кратковзорые урезанья могут привести к катастрофическим исходам.

Устойчивость к атакам

Атакующие вредоносным ПО постоянно ищут способы нарушить работу сенсорных систем. Надежные стратегии фузии данных, в сочетании с безопасными протоколами и ИИ-детекцией аномалий, могут защитить операции от таких вторжений. Типичные векторы атак включают:

• Спуфинг сигналов лидаров и камер;
• Отмена сигналов и интерференции с магнитными сенсорами ABS или вандализированными дорожными знаками;
• Боковые утечки, где имплантированное вредоносное ПО собирает конфиденциальную информацию через сенсоры.

Мультисенсорная фузия человеческой активности

Комбинирование носимых и амбиентных сенсоров для интерпретации человеческого поведения дает лучшие результаты в здравоохранении и экономию затрат — критически важно при старении населения. Варианты использования охватывают уход за пожилыми, обнаружение падений, охранный мониторинг, мониторинг спортсменов, статус первичных реагирующих и навигационные помощники для людей с ограниченными возможностями.

Фузия данных в сети

Исторически фузия и аналитика происходили на центральных серверах или в облаке. Миниатюризация и снижение стоимости сенсоров теперь позволяют периферийный ИИ и машинное обучение. Будущие гибридные архитектуры будут слоить фузию данных на трех уровнях:

• Низкоуровневая фузия на умных устройствах или шлюзах, агрегирующих множественные входы;
• Среднеуровневая фузия на хаб-шлюзах и периферийных вычислительных узлах для глубокой аналитики по более широкому набору устройств;
• Высокоуровневая фузия в центрах обработки данных или облаке, предлагающая самую широкую системную перспективу.

Снижение операционных затрат

Сенсорная фузия расширяет охват и полезность автономных устройств — БПЛА, робототехники и др. — сокращая операционные расходы. Преимущества включают автоматизированное предотвращение столкновений для дронов-инспекторов, удаленное вмешательство водителя в преимущественно автономном транспорте и снижение затрат на труд в сценариях удаленных операций.

Тренды

Миниатюризация и снижение затрат продолжаются по сенсорам, процессорам и связям, подталкиваемые консюмеризацией в промышленных и IoT-экосистемах. CES 2020 продемонстрировала прорывы MEMS-сенсоров, такие как более мелкие лидарные зеркала, приносящие пользу авто и интеллектуальным транспортным системам.

Фильтр Калмана остается стандартным алгоритмом для сенсорной фузии, моделируя состояния системы с непрерывным измерением и предсказанием. В все более сложных системах архитекторы также используют машинное обучение и нейросети для противодействия изощренным атакам инъекции сигналов.

Проникновенно интегрируя сенсорную фузию, проектировщики и архитекторы могут укрепить целостность, надежность и робастность систем — защищая людей, имущество и экономические интересы от обоих сбоев и вредоносной активности.

>> Эта статья изначально опубликована на нашем партнерском сайте, EE Times Europe.