航空機開発における自律性: AI/MLおよびシミュレーションによる、より安全なシステムの設計 

製造および産業機器から自動車や航空まで、さまざまな業界では、電動化とともに自律性が大きなトレンドとなっています。実際、世界の自律型航空機市場は2019年に45億6000万ドルと推定され、2027年には160億ドルを超えると予測されています。そのため、次世代エアモビリティ（AAM: Advanced Air Mobility）企業は、さまざまな場所に人や貨物をより効率的に運ぶための自律型航空機の設計を開発しています。「都市エアモビリティ」（UAM: Urban Air Mobility）と「地域型エアモビリティ」（RAM: Regional Air Mobility）という用語は、多くの状況において同じ意味で使われますが、それぞれ都市部と郊外における低高度での航空輸送に焦点を当てたAAMのサブセットです。

当然のことながら、安全で自律型のAAMシステムを実現するには、複雑なトレーニング、エンジニアリング、開発、および設計が必要です。人工知能／機械学習（AI/ML）は、エンジニアや設計者が自律性の基本である重要な認識機能および意思決定機能を開発するのを支援することで、これらの分野に大きく貢献します。しかし、AI/MLが、これらの自律性機能のトレーニングと検証において現実的かつ代表的な状況を提供できないという点においては、課題と懸念が生じています。

シミュレーションは、自律型AAMシステムに対する信頼性を高め、安全性を検証して、自信を持って製造できる、極めて大きな価値をもたらします。早期段階では、シミュレーションは重要な知見、予測精度、徹底的な解析を提供し、トレーニングと開発に情報を提供します。後期段階では、シミュレーションによって、これらの機能を検証およびテストする現実的な環境とシナリオが提供されます。Ansysのソリューションを導入することで、AAM企業はシームレスなエンドツーエンドのワークフローを採用し、安全分析、組込みソフトウェア、センサーテストなどのシミュレーションおよびデジタルミッションエンジニアリングツールを使用して、トレーニングと検証を最適化できます。  

自律性における認識と意思決定の研鑽

航空分野では、自律性の新たなアプリケーションと古典的なアプリケーションの両方があります。新しいアプリケーションは、一般的に小型で高度に自動化された車両で構成される次世代AAM輸送を中心に、乗客や貨物を低高度で輸送します。一般的に、これらのシステム、特にUAMシステムは、ヘリコプターなどの技術や、電気垂直離着陸（eVTOL）などの新興技術に依存しています。

一方、古典的なアプリケーションは既存のシステムに実装されています。たとえば、民間航空機メーカーは、パイロットの状況認識を高め、パイロットの責任と作業負荷を軽減し、さまざまな飛行フェーズの効率を最適化するために自律性を組み込むことができます。同様に、軍用機のプロバイダーは、新しいターゲットや劣化した状況など、ミッション中の予期しない変化にパイロットが対処するのを支援するために自律性を考慮することがあります。

通常、自律性アプリケーションは3つの主要な機能で構成されている必要があります。これらの機能は、次のように相互に影響します。

• 認識: 対向する障害物（他の航空機、気象関連の課題、または飛行経路へのその他の障害など）を含む、環境を観察するための機能。これは通常、カメラ、LiDAR、またはレーダーに搭載されたセンサーによって達成されます。
• 意思決定: 上記の障害物の認識と検出に基づいて、最良かつ最も安全な飛行操縦を決定するための機能。
• 作動: 上記で確立された目的の飛行操縦を実行するための機能。

実際には、自律型システムは、作動を正常に行う前に、信頼できる認識機能および意思決定機能を確立する必要があります。シミュレーションは、これら両方の分野に大きな価値をもたらします。物理ベースのシミュレーションは、認識のためのトレーニング向けに未処理のセンサーデータとground truth情報を提供します。これにより、複雑な画像処理の必要性がなくなり、トレーニング時間が短縮され、精度が向上します。意思決定のためのトレーニングには、シミュレーションは感度、ロバスト性、信頼性の解析を提供し、飛行性能、飛行操縦の安全性、衝突回避を強化するのに役立ちます。 

Ansys optiSLangの感度解析により、振動の問題を特定し（左）、よりスムーズな飛行を実現するために対処しました（右）。

シミュレーションは、モデルが試行錯誤を通じて学習することを可能にするAI/MLトレーニング手法である強化学習（RL）も改善します。言い換えれば、RLでは、教師あり学習や教師なし学習とは異なり、AI/MLエージェントが、その環境内での自身の行動や経験を含む環境からのフィードバックを通じて対話的に学習することができます。このため、シミュレーションは、多様で数えきれないほどのシミュレーション環境を構築する機会を提供することで、RLトレーニングを大いにサポートし、それによって認識と意思決定のトレーニングの質が向上します。 

導入されている自律性アプリケーション

Ansysは、シミュレーション、システムアーキテクチャ、センサーテスト、安全性評価、運航設計領域（ODD: Operational Design Domain）に加えて、シナリオ作成、バリエーション、結果分析など、自律性機能のトレーニングと検証を支援する完全なモデルベースシステムズエンジニアリング（MBSE）ワークフローを提供します。

まず、このワークフローで使用される主なツールについて説明します。

• Ansys medini analyze: 電気、電子、およびソフトウェア制御システムの安全分析をサポートするモデルベースの統合ツール。ISO 26262、IEC 61508、ARP 4761、ISO 21448、MIL-STD-882Eなどの業界規格に合わせて調整された業界ガイドラインを一貫して効率的に適用できます。
• Ansys optiSLang: CAE（Computer-Aided Engineering）ベースのロバスト設計最適化（RDO: Robust Design Optimization）による課題を解決するプロセス統合および設計最適化ツール。
• Ansys Systems Tool Kit（STK）: 高解像度の地形、画像、高周波（RF）環境など、現実的な3D過渡シミュレーション内で複雑なシステムをモデリングできるSoS（システムオブシステムズ）シミュレータ。
• Ansys AVxcelerate Sensors: Model-in-the-Loop（MIL）、Software-in-the-Loop（SIL）、またはHuman-in-the-Loop（HIL）のコンテキストで、現実的なシナリオを使用してレーダー、LiDAR、カメラのセンサーの認識を調査できるセンサーのテストと検証。
• Ansys SCADE Suite: 信頼性の高い組込みソフトウェアのためのモデルベース開発環境。要件、管理、モデルベース設計、検証、適格／認定コード生成機能などへの接続を提供します。

次に、このワークフローの実装例を6つのステップで見てみましょう。

1.  medini analyzeで、システムアーキテクチャ、環境、ODD（気象関連現象を含め、機能が動作する条件）、およびODDを横断する一連の機能シナリオを定義します。
2. optiSLangを使用して、機能シナリオを論理（パラメータ化された）シナリオに定義します。
3. 実験計画法（DOE）を使用して、論理シナリオを具体的なシナリオに変更します。このとき、パラメータ値は現実に即した確率分布に従います。
4. 具体的なシナリオを使用して、動作中のSoS（システムオブシステムズ）全体をモデリングしながら、STKで実行されるシミュレーション、センサーのテストと検証のためのAVxcelerate Sensors、クリティカルな組込みソフトウェアのSCADE、および／またはYOLOやOpenAIなどの外部AI/MLトレーニングツールを組み合わせて自律性機能をトレーニングします。
5. optiSLangに戻り、感度およびロバスト性解析によって得られたニューラルネットワークを評価します。
6. 最後に、完全な自律性機能（認識、意思決定、および作動）を組み込み、optiSLangを使用してシミュレーション結果を評価して、アダプティブサンプリングに基づく信頼性解析を行い、設計空間を効率的に探索します。

上記のAnsysワークフロー例の一部またはすべての部分を統合することで、航空業界のエンジニアと設計者は、より安全で信頼性の高い自律型システムを開発および検証しています。 

あるケーススタディでは、航空機メーカーが無人航空機（UAV）の衝突回避を確実にするためにAnsysのソリューションを導入しました。自動化されたeVTOLは、障害物との衝突を回避しながら、ウェイポイントまで飛行する必要があります。このチームは、航空機の認識能力にすでに自信を持っており、最適な飛行経路を決定するためのeVTOLの意思決定スキルに最も関心を持っています。

別の例では、ある航空ユニットが、フォーメーション飛行を行うために同様のAnsysワークフローを採用しています。4機の自動化されたeVTOLは、有人のeVTOLに追従して編隊を組みながら飛行しなければなりません。この例では、認識（先導するeVTOLおよび他の機体を検出）と意思決定（先導するeVTOLに追従しながら衝突を回避）の両方に関係しています。

次世代AAMの準備

Ansysのシミュレーションソリューションにより、クリティカルなAAMアプリケーションを安全にトレーニング、テスト、検証し、AI/ML支援ソフトウェアに関する信頼性を確立して、組込みシステムの自律性を高めることができます。さらに、Ansysの高忠実度シミュレーションとデジタルミッションエンジニアリングツールを組み合わせることで、現実的な3D過渡環境でこれらのシステムを開発および検証することができます。

Ansysの自律性ソリューションの詳細については、オンデマンドウェビナー「Ansys Autonomy: モデルベースのソフトウェアソリューションによる組込み計画および制御の自動化」に登録ください。

medini analyze、optiSLang、およびSCADEの詳細については、こちらから無料の製品トライアルをご覧ください。STKのSoS（システムオブシステムズ）シミュレーション機能を体験するには、こちらの無料トライアルオプションをご覧ください。