https://mp.weixin.qq.com/s/JAa4PQxllre_uc1Bh9TVkQ
前言2022年3月，美国船级社发布《自主船白皮书》规范指南，提出基于目标的未来规则框架，以实现船舶的自主运行。该白皮书提出了对完全自主船舶从头开始构建的基于目标的框架，共10个目标，以支持自主技术的创新和应用。
此外，白皮书还列出了自主技术的实施和运营中的应解决的关键性问题，包括六个方面：远程控制中心、船上配员、仿真测试、网络安全、人工智能 (AI) 和机器学习 (ML)。
1、远程控制中心 自主和远程控制的船舶将由远程控制中心进行监控或控制。这是海洋和近海操作领域的一个新概念。远程控制中心所担任的角色有：
• 自主船各方面的航行规划，例如导航航路点的设置和船舶机械的配置； • 监控航行进程；• 保持态势感知 ；• 船上机械和船舶船体/结构的健康监测；• 异常和紧急情况的响应；• 在港口或沿海国家的水域中与其通信并共享信息，例如与港口的 VTS（船舶交通服务）系统联络； • 与周围船舶通信；• 不同操作模式之间的控制切换。远程操作有多种配置。远程控制中心/操作站可以位于岸基或在另一艘船舶上。远程控制/操作站可以监控和控制多艘船舶。考虑到海员具备船舶操作所需的大部分技能和经验，第一批远程操作员很可能是海员。
自主和远程控制操作情景
2、连通性
船舶与执行监测和控制的远程控制中心之间的连通，对自主和远程控制功能非常重要，需要考虑各种因素，例如带宽、数据完整性、可靠性和延迟。与船舶的数据连接应具有很好的鲁棒性，并具有故障恢复能力。
目前有两种主要的通信方法，蜂窝网络和卫星网络，它们分别用于沿海和远洋服务。
蜂窝网络依靠基站提供通信覆盖，其范围受限于基站的可用性，只能连接到靠近岸边的船只。卫星网络可以覆盖全球，因此是连接远岸船舶的唯一选择。
尽管蜂窝网络受距离所限，但它的延迟通常低于卫星网络，因为卫星网络的传输经历从卫星到船舶很远的距离。高轨道上的卫星比较低轨道上的卫星具有更高的延迟。
5G 蜂窝技术的出现为自主和远程控制操作创造了更多的可能。5G的速度高达10Gb/秒，可能比4G快100倍。与大约200毫秒的4G延迟相比，它的延迟率也显著降低，仅为1毫秒。然而，5G 蜂窝技术的覆盖范围小于4G技术。建立5G网络需要大量的基站投资，这在港口水域也可能难以实施。尽管如此，有可能在邻近的船舶之间利用本地移动自组织 5G 网络来实现彼此之间的快速数据交换。
3、配员
《联合国海洋法公约》（UNCLOS）第 94 条第（4）款（b）项要求所有船舶“应当由具有适任资格的船长和高级船员所操控”。 SOLAS、MARPOL、STCW 和其他各种公约假定船长在船并有人值班。 自主技术需要克服的法律、监管和社会挑战需要经历一些时间。
4、仿真测试自主和远程控制软件功能故障会对任务、性能或安全产生严重的后果。因此，应对它们进行全面彻底的测试和验证。 传统的验证方法通常成本高、耗时长、在可重现的场景中受限，并且在出现不可接受的行为时存在风险。 为了提高可靠性并避免灾难性故障，可以使用系统级预验证方法来测试软件，它通过模拟虚拟世界来完成，以在应用之前发现故障并修复它们。 模型在环 (MIL，Model-in-the-Loop)、软件在环 (SIL，Software-in-the-Loop) 和硬件在环 (HIL，Hardware-in-the-loop) 仿真技术，已广泛用于基于模型的设计（MBD，Model-Based Design），在航空航天、军事和汽车行业中可用于自主和远程控制功能。
5、网络安全
近年来，行业已将安全重点从传统的船体、机械和电气领域扩展到软件和网络安全领域。操作安全很大程度上取决于软件的设计操作和船舶的操作技术系统不会受到外部干扰（无论是否恶意）。
自主和远程控制操作通过卫星或蜂窝进行持续通信，这大大增加了船舶或海上装置的网络脆弱性。
网络安全不能再被视为自主讨论的外围，而必须处于其核心。
为实现自主和远程控制操作，需要对网络安全的整个生态系统进行综合考虑，包括来自船舶的船上系统、通信系统、远程控制/操作站系统、人工操作员和其他接口系统，如港口船舶交通系统 (VTS)和其他服务提供商。
6、人工智能和机器学习
人工智能 (AI) 是一种创建智能系统的技术，该智能系统目标是模拟人类智能。机器学习 (ML) 是人工智能的一个子领域，它使机器能够从过去的历史数据中学习，而无需明确编程。人工智能和机器学习技术正越来越多地应用于智能和自主功能。
例如，不同的回归算法已被用于预测船舶的运行参数，比如所需的主机功率；深度学习已被用于船舶识别和跟踪；强化学习 (RL) 和神经网络 (NN) 已被用于船舶路径规划和优化。
尽管机器学习在定义模糊的领域中取得了成功，但人工智能软件可能包含神经网络学习过程中引入的错误。例如，Katz 分析了下一代无人驾驶飞机机载防撞系统的深度神经网络实现，发现该系统有几个逻辑要求不成立，以及一些可能导致错误防撞动作的对抗性扰动。因此，这是行业应该关注并努力为人工智能和机器学习技术构建验证和验证框架的重要领域。
翻译/排版：青岛海事局 王若筠