Neues KI-Modell verbessert Vorhersage von Leeway-Objekten im Wasser

Eine aktuelle Veröffentlichung auf arXiv präsentiert ein innovatives, mehrschichtiges Machine‑Learning‑Framework, das die Drift von Leeway‑Objekten – also von Schiffen, Rettungsbooten oder anderen Wasserfahrzeugen – mit hoher Genauigkeit vorhersagen kann. Das System kombiniert moderne Sprachmodelle, Bildverarbeitung und physikalische Simulationen, um die komplexen Wechselwirkungen zwischen Wasserströmungen, Wind und Objektgeometrie zu erfassen.

Im Kern nutzt das Verfahren Sentence‑Transformer‑Einbettungen, die aus kurzen Textbeschreibungen der Objekte generiert werden, zusammen mit attention‑basierten Sequenz‑zu‑Sequenz‑Architekturen. Diese Modelle – Long‑Short‑Term‑Memory‑Netze und Transformer – verarbeiten Zeitreihen aus physikalischen Kräften, Umweltdaten und objekt‑spezifischen Merkmalen, um zukünftige Drifttrajektorien vorherzusagen.

Zur Trainingsbasis wurden für fünf unterschiedliche Leeway‑Objekte umfangreiche Messdaten erhoben: Wasserströmungen, Windgeschwindigkeiten, Masse und Oberflächenbereich. Zusätzlich wurden mithilfe eines Navier‑Stokes‑basierten Simulationsmodells Bilddarstellungen der Objekte erzeugt, die ein Convolution‑Neural‑Network zur Schätzung von Drag‑ und Lift‑Koeffizienten nutzte. Diese Koeffizienten lieferten die notwendigen Kräfte, die die Bewegung der Objekte bestimmen.

Die Leistung des Modells wurde über mehrere Zeitfenster – 1, 3, 5 und 10 Sekunden – getestet und mit klassischen physikbasierten Ansätzen sowie traditionellen Machine‑Learning‑Methoden wie RNNs und Temporal‑Convolutional‑Netzwerken verglichen. Die Ergebnisse zeigen, dass das neue System die Driftvorhersage deutlich verbessert und sich gut auf verschiedene Objekte generalisieren lässt.

Die Fortschritte haben unmittelbare praktische Bedeutung, insbesondere für Such‑und‑Rettungs‑Operationen, bei denen schnelle und präzise Driftvorhersagen entscheidend sind. Durch die Kombination von Daten aus der realen Welt, physikalischer Simulation und fortschrittlicher KI‑Technologie eröffnet die Studie neue Wege, maritime Sicherheit und Effizienz zu erhöhen.