KI-gestützte Lernmethode ermöglicht nachhaltige und sichere Schiffsnavigation
In der maritimen Transportbranche gewinnt Nachhaltigkeit zunehmend an Bedeutung, da sie sowohl ökologische als auch soziale Auswirkungen umfasst. Dazu zählen Emissionen von Treibhausgasen und die Sicherheit bei der Navigation. Traditionelle Schiffsführung beruht stark auf menschlicher Erfahrung, fehlt jedoch oft an Autonomie und Bewusstsein für Emissionen, was zu Fehlern und Gefahren führen kann.
Ein neues Forschungsprojekt präsentiert ein Curriculum Reinforcement Learning (CRL)-Framework, das mit einer realitätsnahen, datenbasierten Simulationsumgebung für maritime Bedingungen kombiniert wird. Die Umgebung nutzt echte Schiffsbewegungsdaten und einen Diffusionsmodell-Ansatz, um dynamische Meeresbedingungen zu simulieren. Zusätzlich wird der Kraftstoffverbrauch mithilfe von historischen Betriebsdaten und lernbasierten Regressionsmodellen vorhergesagt.
Der CRL-Agent ist leichtgewichtig und policy-basiert, wobei ein umfassendes Belohnungssystem Sicherheit, Emissionen, Zeitmanagement und Zielerreichung berücksichtigt. Durch die schrittweise Bewältigung komplexer Aufgaben wird ein stabiles und effizientes Lernen in kontinuierlichen Aktionsräumen gewährleistet. In einer Testregion des Indischen Ozeans konnte die Methode die nachhaltige und sichere Navigation von Schiffen demonstrieren.