Авиатренажеры от братьев Райт до наших дней

Впервые симуляторы появились вскоре после исторического полета братьев Райт в 1903 году. С тех пор они расширились до целостных виртуальных или синтетических обучающих программ. Исследования мировых авиакомпаний доказали, что профессиональных пилотов нужно обучать исключительно на тренажере квалификационного уровня. А с учетом возможных ошибок из-за человеческого фактора, роль симуляторов ценится еще сильнее. Исходя из отчета за 2019 год, стоимость проектирования новых авиасимуляторов может вырасти до 7,7 миллиардов долларов уже к 2025 году.

Сегодня в нашей жизни набирают популярность искусственный интеллект (ИИ) и машинное обучение (МО). Хотя ни одна из этих концепций не является новой, снижение стоимости вычислительной инфраструктуры поспособствовало росту этой тенденции. 

Рис. 1. Авиационные тренажеры являются эффективным средством обучения. Откроет ли искусственный интеллект новые способы его применения?


Машинное обучение — это обширный подраздел ИИ, где алгоритм «учится» по заданным данным. Он автоматически  выявляет закономерности в базе и строит новый алгоритм. Учитывая поток данных, алгоритм пытается обнаружить любые закономерности, которые наблюдает. Чтобы держать его в фокусе, выгодно работать с целым набором областей. 

Существует несколько подходящих вариантов использования ИИ и МО. Одним из них является обогащение и расширяемость симуляторов полета. Традиционно летные тренажеры были автономным оборудованием, которое позволяло проводить обучение. Их основным использованием была летная подготовка специалистов. Однако со временем они начали меняться. Это был серьезный прорыв. Если раньше для обучения пилотов применялись достаточно примитивные тренажеры, то теперь вместо них используются настоящие смоделированные кабины воздушных судов. После этого наступил этап, когда тренажеры также смогли спроектировать дизайн окружающей среды и взаимодействующих с ней процессов. Например, симуляторы стали включать функции УВД и внешний вид аэропортов. 

Сейчас мы находимся на пороге инновационных авиасимуляторов, способных повысить безопасность в авиации. Они станут мощным инструментом при подготовке опытных пилотов ВС. А теперь подуймате, могут ли данные симулятора полета рассказать больше об известных уже нам возможностях, которые повысят безопасность воздушного пространства? Или расскажите о том, как тренажер может предотвратить потерю контроля над ситуацией? Как не допустить превращение мелких ошибок в серьезные проблемы?


Поиск ошибок и методы их устранения с помощью авиасимулятора

Развивая дальше эту тему, могут ли алгоритмы МО выявлять закономерности поведения человека в симуляторе? Чего бы стоили эти выводы для безопасности полетов?

Ответ заключается в том, что такое понимание станет очень ценным. Пилотами становятся люди разных национальностей, и в течении карьеры большинство из них потенциально летают в разных географических регионах, разговаривают на разных языках и соблюдают разные культуры. Эти данные могут быть использованы для оптимизации поведения человека при различных обстоятельствах. Они могут указывать как на сильные, так и на слабые стороны. Известно, что алгоритмы поведения, суждения и действия остаются согласованными как в симуляторе, так и в реальной жизни. Если это так, то наблюдение алгоритмов в симуляторе позволит превентивно обращаться к ним. 

Согласно отчету NTSB об инциденте Gulfstream в Массачусетсе, ситуации предшествовало обычное несоблюдение процедуры. Факты об аварии в Юго-Восточной Азии в 2016 году, связанной с отключением работающего двигателя, указывают на то, что один из пилотов продемонстрировал аналогичные действия во время проверок на тренажере. Он неоднократно проявлял признаки растерянности, когда рабочая нагрузка была большой, а его рассуждения были нелогичны. Факт об аварии сверхлегкого ВС в 2010 году в Татхэме, Австралия, говорит о том, что пилот часто принимал крайне рискованные решения, а его летное мастерство ставилось под сомнение. Это лишь несколько из сотни инцидентов, когда модели поведения человека обычно предшествуют несчастным случаям и авариям. Могли ли дополнительные проверки спасти ситуацию и оставить людей в живых, а технику в целостности? 

Для того, чтобы отучить пилота от неверных действий в кабине самолета, требуется понимание, а затем конкретные действия по улучшению навыков. Сегодня для достижения этого самого понимания садят инструктора, который находится внутри симулятора вместе с пилотами во время тренировок. 


Рис. 2. Что, если бы пилоты смогли получать ценную информацию без присутствия инструктора рядом?


Машинный анализ больших объемов данных — еще один ключевой момент, отдельный от всех. Симуляторы отлично умеют собирать информацию о проделанной работе. МО обладает непреодолимыми возможностями сортировать данные, обнаруживать скрытые закономерности и предоставлять аудитории ответы на вопросы, которые, возможно, еще даже не успели возникнуть в ходе обучения. Это означает, что МО способно обрабатывать тысячи часов данных симулятора и находить результаты, которых даже никто не замечал. Алгоритмы машинного обучения подсчитывают эти цифры, чтобы порекомендовать варианты улучшения навыков и устранения возникших пробелов в ходе занятий, помогая разрабатывать индивидуальный план обучения специалиста. МО также может поспособствовать усовершенствованию обучения для групп пилотов. 


Как авиасимуляторы помогают пилотам малой авиации?

Следующий вопрос будет состоять в том, чтобы определить, где эта возможность будет лучше всего применяться. Кому такой подход принесет больше пользы? 

Хороший пилот всегда учится. Однако по опыту можно сказать, что пилотам малой авиации этот метод понимания подходит больше всего. Большинство пилотов малой авиации не работают в строгом режиме. Финансирование попросту ограничено. Мы говорим «большинство пилотов», потому то есть некоторые специалисты, которые работают в условиях, похожих на режим работы обычного авиаперевозчика, но это скорее исключение. Это очень сильно касается тех пилотов, для которых авиация не является источником дохода. Пилоты малой авиации проходят переквалификацию каждые два года. Навыки, усвоенные во время тренировок, имеют значение. Но те, которые сформировались между экзаменационными полетами, имеют еще больший смысл. Учитывая это, они получают много пользы от понимания и анализа своих умений, тем самым это помогает исправить любые негативные тенденции, которые, возможно, уже сформировали. 

Рис. 3. Новая самолетная гарнитура RayTalk PH-100A в магазине Crewshop


Обнаружение алгоритмов, в которых пилоты не замечают , как их самолет начинает сваливаться или выполняют неправильные процедуры по его предотвращению, может быть также полезным. Были найдены случаи, когда срыв потока происходил на этапе от третьего разворота к четвертому. Потеря контроля является серьезной проблемой. Эти алгоритмы встречаются у пилотов, которые имеют совсем небольшой налет часов. Неправильные расчеты массы и центровки, принятие решения на вылет в плохую погоду, слишком ранний выпуск закрылков, запоздалая реакция на сообщения от диспетчера, неправильное выполнение ухода на второй круг — это все алгоритмы человеческого поведения. Некоторые из них стали результатами неправильного обучения, другие произошли по причине ошибочных действий, которые со временем вошли в привычку. 


Каким же образом авиасимулятор находит ошибки пилота? 

Машинное обучение может извлечь из этого выводы и автоматически адаптировать все возможные сценарии для тренировок, чтобы проработать слабые стороны. Если не прибегать к автоматике, то он может позволить инструктору самому сосредоточиться на алгоритмах, которые оказались незамеченными человеческим вниманием. После того, как модель «выучена», ей требуется очень мало времени на обнаружение ошибок в новых данных. И каждый новый поток данных только обогащает модель. Обнаруживать ошибки становится проще. После длительного полета на симуляторе машина начнет обнаруживать закономерности, представлять результаты и давать рекомендации. Модель МО может быть настроена для конкретных целей, таких как заход на посадку, а также может изучать поведение пилота, которое включает любые аспекты техники пилотирования. 

Симуляторы обладают прекрасной способностью собирать данные. Они всегда это умели делать.  Однако раньше у нас не было такой роскоши, как наличие инфраструктуры хранения данных и вычислительной инфраструктуры. Особенно, по таким ценам. Сейчас введение машинного обучения становится более реалистичным, чем когда-либо прежде. Будущее поколение тренажеров будет использоваться, как никогда раньше. Пересечение этих двух областей предоставляет замечательную возможность использовать передовые идеи и, тем самым, повысить безопасность полетов во всем мире.


Напомним, что вы можете приобрести органайзер для личных вещей  

Вас также может заинтересовать летный компьютер Sporty’s Electronic E6B 

Не забудьте про плоттер авиационный Jeppesen PV-5