SAFER - Smart Assistant For Enhanced Remote Digital Tower – Multimodal Artificial Intelligence in Air Traffic Management

Remote Digital Tower (RDT) ermöglicht mittels real-time Videos eine Überwachung des Luftraums in einer entfernten Zentrale. Das Ziel des Projektes "Smart Assistant For Enhanced Remote Digital Tower (SAFER)" ist es, die Sicherheit und Zuverlässigkeit von RDT-Systemen durch die Verwendung von Artificial Intelligence (AI) Technologien zu ermöglichen.

Kurzbeschreibung

Ausgangspunkt / Motivation

RDT ist ein neu entstehender Markt im Bereich der Luftraumüberwachung, mit der mehrere Tower von einer Zentrale überwacht und gesteuert werden können. Das hat eine potentielle Kostenreduktion zur Folge, jedoch sind die Anforderungen in Bezug auf Sicherheit und Zuverlässigkeit noch vollständig erfüllt.

Ziele

Entwicklung von video-zentrierter Objektdetektion und Objektverfolgungsmethoden
Multimodale Lerntechnologien zur Reduktion des Datenannotierungsaufwandes
Sicherheitszentrierte Evaluation und Vergleich zu konventionellen Datenfusionsstrategien

Inhalt

RDT-Systeme sollen mit der Einbindung von Artifical Intelligence sicherer und zuverlässiger werden, dies soll mit Hilfe von neuen Assistenztechnologien erzielt werden. Das Projekt führt innovative Forschung für multimodale AI in den Gebieten Computer Vision, natürliche Sprachverarbeitung und Sprachverständnis im Gebiet von sicherheitskritschen RDT durch. Besonderer Fokus liegt auf Objekten die weiter vom Tower entfernt sind.

Ergebnisse

SAFER entwickelte und validierte KI-Algorithmen zur zuverlässigen Echtzeit-Objekterkennung und -verfolgung in hochauflösenden Videoströmen von Remote Digital Towers – erstmals auch für sehr kleine, weit entfernte Objekte (unter 20 Pixel).

Die Kombination von Videodaten mit Radardaten verbesserte die Erkennungsgenauigkeit deutlich. Als öffentlich zugängliches Nebenprodukt entstand AirTrackSim25, ein synthetischer Datensatz und Simulationsframework für Flughafenüberwachung.

Domain-Adaptation-Methoden ermöglichen die Übertragung auf verschiedene Flughäfen und Wetterbedingungen (+9% HOTA). Ergebnisse wurden auf führenden KI-Konferenzen veröffentlicht (ECCV, ICCV, BMVC, NeurIPS). Die entwickelten Algorithmen, Datensätze und Tools bilden die Grundlage für den künftigen zertifizierten Einsatz in sicherheitskritischen ATM-Systemen.

Projektbeteiligte

Projektkoordination

FREQUENTIS AG

Projektpartner:innen

Technische Universität Graz
AIT Austrian Institute of Technology GmbH

Kontaktadresse

FREQUENTIS AG
Innovationsstraße 1
A-1100 Wien