Även radar, navigationssystem, GPS-spårning och radiokommunikation hindrar inte fartyg från att kollidera. Under 2017, kollisioner och grundstötningar utgjorde nästan 40 % av alla sjöolyckor, och över hälften av de totala dödsfallen. Dessa incidenter orsakades främst av mänskliga misstag.

Forskare vid USC Viterbi School of Engineering försöker ta bort, eller åtminstone minimera, behovet av mänskliga beslut i fartygsnavigering. De utvecklar ett automatiserat system som istället förlitar sig på både dataanalys och artificiell intelligens.

"En huvudavsikt med autonoma fartyg är egentligen för säkerhetssyftet, sa professor Yan Jin, ledamot av institutionen för flyg- och maskinteknik och projektledare. "Vi är alla människor och ibland gör vi misstag på grund av olika situationer. Men om vi har en autonom typ av beslutsfattande datorprogram, det skulle ständigt komma med förslag till människor."

Att känna till var andra fartyg och föremål finns, deras system kan förutsäga dessa fartygs rörelser och bestämma deras bästa möjliga handlingssätt som minimerar risken för kollision.

Maskinteknik Ph.D. Studenten Xiongqing "Vincent" Liu var ansvarig för att utveckla AI-delen av deras system. Initialt, han planerade att använda data om hur fartygskaptener kör och undvika kollisioner för att träna sitt system att replikera detta beteende.

Dock, inte kan få dessa uppgifter, han vände sig till en annan maskininlärningsmetod som kallas förstärkningsinlärning. Denna metod använder simuleringar av olika båtscenarier för att lära datorn hur den ska uppnå sitt mål att inte träffa ett annat objekt.

"Först vet datoragenten ingenting. Den måste utforska den simulerade miljön själv, " sa Liu. "Om agenten kolliderar med hindren, då får den ett negativt straff. Men om det når målet, då får den en mycket positiv belöning."

Efter att ha kört simuleringen tusentals gånger, agenten lär sig av sina tidigare erfarenheter vilken bana han ska ta för att undvika en kollision, liknande hur en människa lär sig.

"Från denna process, vi kan visa att när agenten tränar sig själv, det kan generera viss intelligens. Och den här typen av intelligens är vad människor använder för att fatta beslut – det är typ av deras intuition. Och den här typen av mänsklig intuition kan en datoragent lära sig, " sa Liu.

Men AI-systemet ensamt är inte helt felsäkert. Den förlitar sig på de scenarier som Liu matar in, medan stora variationer på dem kan orsaka förvirring och leda till en farlig bana. Och även om Liu arbetar med att utöka AI:s kapacitet bortom dessa programmerade scenarier för att inkludera alla möjliga situationer som kan uppstå, det kommer alltid att finnas luckor i dess kunskap.

Analysmodellen, utvecklad av flygteknik Ph.D. student Edwin Williams, hjälper till att fylla några av dessa luckor. Hans system använder historiska båtdata som går tillbaka över 20 år på tidigare fartygs beslut och resultat för att förutsäga vad andra fartyg kommer att göra.

"Du kan föreställa dig att det finns ett oändligt antal banor som fartyget skulle kunna ta. Men var och en av dessa oändliga banor har en viss sannolikhet att tas, " sa Williams.

"Vad mitt system gör är att titta på hela sannolikheten för vad dessa banor är och sedan bestämmer den minsta sannolikheten för var det andra fartyget kommer att vara vid varje given tidpunkt."

Detta talar om för dem vilken väg som har lägst sannolikhet för att en kollision ska inträffa. Men systemet förlitar sig enbart på kvaliteten och mängden data det har. Ju mer specifika uppgifterna är – säg, vilken kapten som körde fartyget – desto mer exakt blir förutsägelsen.

Förutom att hjälpa till med marina fartyg, hans arbete är i början av att tillämpas på flygledning och rymdtrafikledning.

I simuleringar, hans system har haft 100 procent framgång för att undvika marina kollisioner. Men, precis som AI, det begränsas av de scenarier som data tillhandahåller. Genom att använda de två systemen tillsammans, de har ett extra lager av säkerhet ifall en oväntad situation inträffar.

"Genom att göra denna forskning inser vi att, när du har två typer av system, om de inte är konsekventa, då måste du ge råd, " sa Jin.

"Om det finns en person där, toppen. Om det inte finns någon person där, då måste du ta fram ett annat tillvägagångssätt eller algoritm för att verkligen förstå eller lösa denna diskrepans. Sedan, beslutet efter den resolutionen är säkrare.

De avslutar nu ett treårigt anslag finansierat av Maritime Technology Division vid Monohakobi Technology Institute i Japan. På sommaren, de kommer att påbörja ytterligare ett treårigt anslag för att fortsätta sitt arbete och utveckla systemet ytterligare. Vid slutet av den tiden, de planerar att utföra ett fullskaligt test med hjälp av institutets fartygsmanöversimulatorer.