“看”：空客发展基于机器视觉的自动起降系统（2）

“颠覆性驾驶舱”仍存挑战

“洁净天空”计划框架下，空客DISCO项目的单一飞行员研究工作始于2014年。该项目要求在2021年初达到概念验证阶段，或者技术成熟度（TRL）达到3~4级，2023年将要达到TRL 4~5级。

DISCO项目的主要目标是尽量减少飞行员对飞行的干预，使飞行员的精力可以集中应对突发故障或不利天气。

在DISCO项目中，具有合成视觉功能的头戴式显示器可以用于提高单一飞行员的情境感知能力；而基于激光雷达的传感器可以在传统空速管结冰的环境中准确测量飞行速度，还可以感知到云层、风切变或结冰环境等。为了加强飞行员与空管人员的通信效率，DISCO项目中的AI语音识别技术可将语音转换成文本，从而减少飞行员手动输入的工作量。

“透明驾驶舱”有助于机器视觉传感器和飞行员的可穿戴设备进行交联。

对于飞行员失能等极端情况，由于单人驾驶舱只有一名飞行员，因此飞机必须能够检测到飞行员的失能状态，并确保失能后的飞行安全。通过眼动摄像机、脉搏传感器或体温传感器等设备，计算机可以检测到飞行员失能的状态，但试飞结果显示，检测的准确率仍需进一步提高。

另外，佳明公司开发了一种“紧急自动着陆系统”。该系统通过一个红色按钮来启动，当任何人按下这个按钮时，自动着陆系统将被激活。这种系统可以用于单人驾驶舱中飞行员失能的情形。有专家已经体验了这种“紧急自动着陆系统”，称系统启动后可以接管飞机的控制权，并在评估各种因素后，会在GPS的指引下自动选择合适的机场并降落。目前，该系统已安装在部分轻型涡桨公务机上。

通过按下驾驶舱中的“紧急自动着陆”按钮来激活自动着陆系统。（图片来源：佳明公司）

在商用飞机上，这种“紧急自动着陆系统”也需要具有类似的功能。为了使该系统与商用航空的标准兼容，所需的数据源要比涡桨飞机多，如包括GPS、气象雷达和惯性导航系统（INS）等，而DISCO项目也包括此类数据。

理论上，空客ATTOL系统与上述“紧急自动着陆系统”的技术需求相当。佳明的“紧急自动着陆系统”仍然是基于ILS系统引导进近和降落，而ATTOL是将GPS与图像识别技术结合起来，确定飞机相对位置并引导飞机。ATTOL系统的核心是摄像机、图像处理算法和飞机控制律，该图像识别系统可以检测到跑道上各种标线，进而推断出跑道的中心线的位置。

AI与人

EASA在今年2月发布的首版“人工智能路线图”，开始回答航空制造商有关如何认证基于AI系统的问题。“路线图”表示，AI目前侧重于基于数据驱动的机器学习技术，因此无法通过常规方法进行评估，也缺乏可预测性和可解释性。在单飞行员操作的驾驶舱中，飞机将配备功能更强大的“自主驾驶员”，即使在恶劣天气或ILS系统故障的情况下，该“自主驾驶员”也必须正常工作，且其可靠性必须达到与飞控系统相同的水平（1×10E-9）。

此外，在传统的人机交互界面中，软件算法不会给出正确的飞行员行为规范，这种规范是由飞行教官、航空公司其他飞行员，以及人为因素专家等通过测试和评估来确定的。但在AI系统驱动的自主驾驶系统面前，人机界面需要重新界定，从提高飞行员对于基于AI的自主驾驶系统的信任水平。

复杂的"人为因素"

在飞行安全中，关于人为因素的讨论一直是最重要的话题。NASA的专家对此表示，尽管越来越多的项目专注于提高自动化程度和自主性，减少人员参与，但是对人为因素的研究会变得愈发重要。因为，如果不了解人类行为对于安全的贡献，对自主系统预期安全性的评估将是不完整的，其结论也是存疑的。

有时，人们在遵循规则和程序时，事情进展得并不顺利；相反，当人们表现出一定的灵活性、针对对当前情形做出调整和适应性改变时（即没有完全遵循规则和程序），事情进展反而变得很顺利。这样看来，用“符合规则的事情”来定义安全性是不合适的。在设计自主系统时，应该是用“正确的事情”来定义安全性。