Daedalean schloss ein gemeinsames Forschungsprojekt mit der FAA zur auf neuronalen Netzwerken basierenden Begin- und Landeführung für die allgemeine Luftfahrt ab – sUAS Information


Die Federal Aviation Administration (FAA) veröffentlichte einen 140-seitigen Projektbericht über die Studie und den Flugtest eines von Daedalean entwickelten neuronalen Netzwerks und eines sichtbasierten Begin- und Landebahn-Landeführungssystems.

Zürich/New Jersey, 24.05.2022. Gestern hat die FAA William J. Hughes Technical Heart Aviation Analysis Division Atlantic Metropolis Worldwide Airport öffentlich zugänglich gemacht FAA-Website ein 140-seitiger Bericht mit dem Titel „Neural Network-Based Runway Landing Guidance for General Aviation Autoland“.

Dieser Bericht ist das Hauptergebnis eines gemeinsamen Forschungsprojekts zwischen der Federal Aviation Administration und Daedalean, einem führenden Unternehmen in der Entwicklung zertifizierbarer Luftfahrtanwendungen auf der Grundlage von neuronalen Netzen und maschinellem Lernen. Gegenstand des Projekts warfare die Untersuchung eines von Daedalean entwickelten visuellen Landesystems (VLS) für Starrflügelflugzeuge.

Das System basiert auf Machine Studying (ML) oder dem, was oft als „Künstliche Intelligenz“ bezeichnet wird. Die Flugtestkampagne fand im März 2021 in Florida statt. Es wurde in Anwesenheit von FAA-Mitgliedern an Bord durchgeführt. Das Testflugzeug wurde von der Avidyne Company bereitgestellt, einem Accomplice von Daedalean bei der Entwicklung der ersten ML-basierten Flugsysteme für die allgemeine Luftfahrt (GA).

Das Projekt hatte zwei Ziele: erstens, zu bewerten, ob der W-förmige Studying Assurance-Prozess die Absicht der FAA erfüllen kann, die zukünftige Zertifizierungsrichtlinie festzulegen; und zweitens die Bewertung einer visuellen KI-Landeunterstützung als Backup für andere Navigationssysteme auf einer risikoarmen ersten Implementierung von KI-basierten Systemen.

Bewertung der NN-basierten Technologie: Landeunterstützung in 14 CFR Half 91 GA-Flugzeugen

Das besondere Ziel warfare hier zu validieren, ob eine visuelle KI-Landeunterstützung als Backup für andere Navigationssysteme im Falle eines GPS-Ausfalls dienen kann, an einem Anwendungsfall, in dem sie zuerst für die allgemeine Luftfahrt als nicht erforderliche sicherheitssteigernde Ausrüstung implementiert wurde (NORSEE).

„Die visuelle Landung ist einer der Bausteine ​​für die vollständige Autonomie der Zukunft; aber heute zielt VLS darauf ab, als Pilotenassistenz auf Starrflüglern und Drehflüglern zu dienen.“ – sagt Dr. Luuk van Dijk, CEO und Gründer von Daedalean. – „Während der Testflüge flogen wir Standardlandungen und Robustheitstests unserer Systeme mit zwei Flügen und achtzehn Anflügen, sowohl über zuvor trainierte als auch über nicht trainierte Landebahnen, unter verschiedenen Bedingungen, einschließlich verschlechtertem Tageslicht, steilen Gleitwegwinkeln und scharfen Rollmanövern. Das System funktionierte intestine; insbesondere entdeckte er eine Landebahn, die nicht Teil des Trainingssatzes warfare, aus quick 5 km (3 NM).“

Erforschung der Kompatibilität des Studying Assurance-Prozesses mit dem FAA-Regulierungsrahmen

Der Umfang dieser Studie bestand darin, den W-förmigen Lernsicherungsprozess in der Praxis zu testen, um zu überprüfen, ob er die Absicht der FAA-Zertifizierungs- und Entwicklungssicherungsprozesse erfüllen kann.

Der W-förmige Studying Assurance-Prozess warfare das Ergebnis der beiden gemeinsamen CoDANN-Berichte (Ideas of Assurance for Design of Neural Networks) (CoDANN20; CoDANN21) der Europäischen Agentur für Flugsicherheit (EASA) und Daedalean.

Auf diese Weise könnte die FAA anhand eines von Daedalean vorgeschlagenen konkreten Beispiels (Landeanleitung) Erfahrungen mit maschinellem Lernen/neuronalen Netzwerk-basierten Anwendungen sammeln, um über die spezifische Politik für ML-/NN-basierte Systeme, zukünftige Zertifizierungsanforderungen, und zukünftige Industriestandards für AI/NN NORSEE-Systeme. Der Bericht stellt ferner fest, dass die Forschungsergebnisse von der FAA für die Entwicklung von Zertifizierungsrichtlinien verwendet werden können, insbesondere im Hinblick auf die Zuverlässigkeit, Robustheit und Praxistauglichkeit solcher Systeme.

„In dem Bericht haben wir einen detaillierten Überblick über das Design und die Bewertung eines auf maschinellem Lernen basierenden Methods gegeben, das auf sicherheitskritische Anwendungen ausgerichtet ist. Wir haben gezeigt, wie der W-förmige Prozess Elemente für eine gründliche Sicherheitsbewertung und Leistungsgarantien eines ML-Methods bereitstellt. Wir haben gezeigt, wie dies bewerkstelligt wird, indem wir die Datenanforderungen, die Verallgemeinerung neuronaler Netze, die Erkennung von Out-of-Distribution und die Integration traditioneller Filterung und Verfolgung untersucht haben.“ – sagt Dr. Corentin Perret-Gentil, Leiter der ML-Forschungsgruppe von Daedalean.

Über Daedalean

Daedalean entwickelt Softwaresysteme für autonome Piloten für Zivilflugzeuge von heute und die fortschrittliche Luftmobilität von morgen. Das in Zürich, Schweiz, ansässige Unternehmen verfügt über ein Staff von über 70 Mitarbeitern mit Fachkenntnissen in den Bereichen maschinelles Lernen und Pc Imaginative and prescient, luftfahrttaugliches Software program-Engineering, Flugtests, Sicherheitsbewertung und Zertifizierung.

Daedalean hat sich mit etablierten Anbietern von Avioniksystemen zusammengetan, darunter Honeywell Aerospace, das ebenfalls in das Unternehmen investiert hat, und Avidyne, um die allerersten auf maschinellem Lernen basierenden Avioniksysteme zu vermarkten. Das Unternehmen hat Partnerschaften mit Luftfahrtaufsichtsbehörden aufgebaut und zwei gemeinsame Berichte mit der EASA veröffentlicht, die den Weg für die Zertifizierung von maschinellen Lernsystemen für sicherheitskritische Luftfahrtanwendungen ebnen.

Leave a Reply

Your email address will not be published. Required fields are marked *