A VAIPOSA promove uma IA verificável para um sistema PNT resiliente

O projeto analisou de que forma os métodos de navegação baseados em inteligência artificial podem ser aplicados mantendo os níveis de fiabilidade, rastreabilidade e segurança exigidos em aplicações críticas. O VAIPOSA demonstrou que a combinação de GNSS (Sistema Global de Navegação por Satélite) e SLAM (localização e mapeamento simultâneos), integrada num quadro de supervisão de segurança, pode aumentar a robustez face a soluções de navegação autónomas, sobretudo em ambientes complexos. A GMV contribuiu para a arquitetura de navegação através da integração de um recetor GNSS PPP virtual de alta fidelidade no simulador de condução autónoma de código aberto CARLA, permitindo combinar o posicionamento GNSS com técnicas SLAM baseadas em inteligência artificial.

A campanha de testes incluiu simulações de condução autónoma em diferentes ambientes urbanos, bem como em diversas condições meteorológicas e de visibilidade. Um dos principais resultados foi o desenvolvimento e avaliação do conceito «Safety Cage», concebido para supervisionar o comportamento dos diferentes componentes de navegação, atribuir níveis de confiança e permitir a aplicação de medidas de mitigação sempre que seja detetado um comportamento anómalo.

Persistem, no entanto, desafios relevantes, nomeadamente a integração de sensores adicionais, como as IMU (unidades de medição inercial), e a necessidade de continuar a investigar a integridade em sistemas de navegação multissensor. Quando se combinam dados provenientes de GNSS, SLAM e outras fontes de posicionamento, não basta avaliar cada componente de forma isolada: é necessário compreender de que modo a informação relativa à incerteza, confiança e integridade de cada elemento deve ser combinada e propagada ao nível global do sistema. A definição de um quadro unificado de incerteza e integridade multissensor continua, por isso, a ser uma área relevante para investigação futura.