VAIPOSA impulsa una IA verificable per a un sistema PNT resilient

Recentment s'ha completat amb èxit el projecte VAIPOSA (Verifiable AI Positioning Applications), fet que representa un pas important en l'exploració de l'ús de tècniques d'intel·ligència artificial per millorar la robustesa i la fiabilitat de les solucions de posicionament, navegació i sincronització temporal (PNT). Finançat per l’Agència Espacial Europea (ESA) a través del seu programa NAVISP, el projecte VAIPOSA el va dirigir l’FBK (Fondazione Bruno Kessler), amb la participació de GMV.  

 

El projecte ha investigat com aplicar mètodes de navegació basats en IA mantenint la fiabilitat, la traçabilitat i els nivells de seguretat necessaris per a aplicacions crítiques per a la seguretat. VAIPOSA va demostrar que una combinació de GNSS (Sistema Global de Navegació per Satèl·lit) i SLAM (localització i cartografia simultànies) en un entorn amb supervisió de la seguretat pot millorar la robustesa en comparació amb les solucions de navegació independents, especialment en entorns complexos. GMV va contribuir a l'arquitectura de navegació mitjançant la integració d'un receptor GNSS PPP virtual d'alta precisió al simulador de conducció autònoma de codi obert CARLA, fet que va permetre combinar el posicionament basat en GNSS amb les tècniques SLAM basades en intel·ligència artificial.

 

La campanya d'experimentació desenvolupada en el marc del projecte va incloure simulacions de conducció autònoma en diferents tipus d'entorns urbans, així com en diverses condicions meteorològiques i de visibilitat. Un dels principals resultats va ser el desenvolupament i l'avaluació del concepte anomenat Safety Cage, que supervisa el comportament dels components de navegació, assigna ponderacions de fiabilitat i permet aplicar mesures de mitigació quan es detecta un comportament anòmal.

 

Encara queden importants reptes per resoldre, entre els quals hi ha la integració de sensors addicionals, com ara les IMU (unitats de mesura inercial), i la integritat dels sistemes de navegació multisensor. Quan es fusionen dades de GNSS, SLAM i altres fonts d'informació de posicionament, no n'hi ha prou amb avaluar cada component de manera independent: cal comprendre com s'ha de combinar i propagar, a escala de sistema, la informació relativa a la incertesa, la confiança i la integritat de cadascun d'ells. La definició d'un marc unificat d'incertesa i integritat multisensor continua sent un àmbit pendent d'investigació de cara al futur.