Полёты понарошку: для чего нужны искусственно сгенерированные данные в аэрокосмической сфере

Невозможное возможно

Применение «синтетики» в авиации практически неизбежно, так как получение реальных данных в этой отрасли почти всегда крайне затруднено. Например, где набрать тысячи различных вариантов режима работы авиационного двигателя для обучения нейросети? Ни один заказчик не предоставит столько данных с реального испытательного стенда.

Первая, наиболее широкая область применения синтетических данных — создание виртуальной среды полётов для беспилотников, что очень сильно упрощает процедуру введения и эксплуатации новых типов систем управления.

Для настройки алгоритмов в рамках полётного режима (например, наведения на место посадки) проще и дешевле сгенерировать данные, чем подвергать риску опытное воздушное судно.

— Возьмём для примера автономную навигацию на основе компьютерного зрения. Перед беспилотником стоит задача найти человека в лесу. В реальности БЛА может лететь по прямой линии и заметить, как сбоку мелькнуло что-то, похожее на куртку. Чтобы в таких случаях безошибочно определить человека, необходимо настроить систему навигации: аппарат должен развернуться и полететь в ту сторону, где есть что-то, связанное с объектом поиска. Естественно, при этом он не должен столкнуться с препятствием, например, с деревом. Отработать такой режим в реальной жизни с первого раза невозможно, и даже с десятого раза это проблема. И здесь приходят на помощь синтетические данные, которые дают огромный разброс вариантов, как может выглядеть изображение человека в зависимости от того, как двигается аппарат и меняется угол зрения камеры, — отметил эксперт.

На страже безопасности и качества

Ещё одна важная область применения синтетических данных в аэроскосмической сфере — техническое обслуживание самолётов и дефектоскопия.

В ходе эксплуатации воздушного судна очень важно своевременно узнавать о том, какие узлы и детали подлежат замене, чтобы исключить вероятность выхода их из строя в полёте. Здесь синтетические данные позволяют накопить статистику по износу того или иного элемента, чтобы в дальнейшем искусственный интеллект мог сделать прогноз о времени его замены. Такие процессы можно осуществлять, в частности, на цифровом двойнике авиационного двигателя: принудительно очень сильно изнашивать его на разных режимах работы, чтобы точно определить его ресурс. Данные же по режимам работы двигателя генерируются синтетически на основе реальных.

В рамках опытного производства в России уже делаются попытки проводить при помощи искусственного интеллекта дефектоскопию лопаток авиационных двигателей. Умная камера, которая отслеживает наличие царапин, неровностей и прочих дефектов, также обучена при помощи синтетических данных. Иначе бы потребовалась детальная съёмка десятков, а то и сотен тысяч забракованных реальных лопаток.

Прогнозы и перспективы

Ещё одно перспективное направление применения синтетических данных — дистанционное зондирование Земли со спутника. Чтобы анализировать снимки, нужна работающая нейросеть. Например, необходимо отслеживать из космоса оползни. Где получить огромное множество кадров реальных оползней? При помощи синтетических грязевых масок решить эту задачу получается гораздо быстрее и дешевле.

— Пока синтетические данные используются в аэрокосмической сфере в опытном формате. Это объясняется тем, что в авиации очень высокие требования к безопасности и качеству, и нужно больше времени для адаптации к технологиям искусственного интеллекта. Ряд авиационно-космических конструкторских бюро в нашей стране уже активно использует синтетические данные, но это закрытые работы. Думаю, уже лет через десять использование такого рода инструмента будет вполне распространённым явлением, — заключил Вадим Кондаратцев.

Фото: пресс-служба МАИ