Autonomisten järjestelmien tutkiminen Puolustusvoimissa
Malmi, Petri (2022)
Malmi, Petri
2022
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202302062063
https://urn.fi/URN:NBN:fi:amk-202302062063
Tiivistelmä
Opinnäytetyön aiheena on autonomiset ajoneuvot Puolustusvoimien näkökulmasta. Työn tavoitteena oli perehtyä siihen, mitä maalla kulkeva ajoneuvo tarvitsisi autonomiseen eli itsenäiseen navigointiin ja kulkemiseen. Selvitys on tehty Puolustusvoimien Maanpuolustuskorkeakoulun tekniikan laitokselle ja keskittyy tarkastelemaan autonomisuutta huomioiden Puolustusvoimien ja sotilasympäristön vaatimuksia.
Autonomisia ajoneuvoja kehitetään sekä siviilipuolelle että armeijakäyttöön, vaikkakin nämä sektorit eroavat toisistaan olosuhteiden ja tavoitteiden osalta. Autonomia voidaan nähdä tulevaisuuden trendinä etenkin sodankäynnin muuttuessa teknisemmäksi. Aihe on relevantti myös Puolustusvoimille, jonka tulee seurata sotilasteknologiaa ja kehittyä sen mukana.
Selvitys on laadittu saatavilla olevan teorian ja tutkimuksien pohjalta ja pääpainoksi on valittu navigointi. Navigoinnin osalta on tarkasteltu sen toteuttamiseen vaikuttavia elementtejä huomioon ottaen suomalaiset metsäolosuhteet ja armeijaympäristö. Selvityksessä on myös perehdytty autonomisuuden tekoälyllisiin, teknologisiin ja eettisiin haasteisiin. Teorian pohjalta on ideoitu käyttökohteita, joissa Puolustusvoimat voisi hyödyntää maalla kulkevaa autonomista ajoneuvoa.
Johtopäätöksenä voidaan todeta, että autonomia on laaja kokonaisuus, jonka toteuttaminen vaatii monimutkaisten osa-alueiden yhteistoimivuutta. Jokainen näistä osa-alueista, kuten tekoäly, alusta, näköteknologiat ja anturit, vaatisi oman tutkimuksensa. Teknologinen kehitys ohjaa merkittävästi autonomian kehitystä. Esimerkiksi lidar-valotutkien pienentyminen ja keinotekoisten konvoluutioneuroverkkojen (convolutional neural network) kehitys ovat asioita, joita voidaan käyttää näkökyvyn ja kuvantunnistuksen rakentamisessa.
Selvityksessä tunnistettiin potentiaalisia jatkotutkimuskohteita. Ajoneuvojen välinen tiedonjakoverkko eli VANET (Vehicular ad hoc network) vaatisi lisätarkastelua. Tämän lisäksi koneoppimisen tukemiseksi olisi järkevää tehdä jatkotutkimusta konvoluutioneuroverkkoihin liittyen sekä kerätä kuvadataa Suomen eri maastotyypeistä koneoppimista ajatellen.
Autonomisia ajoneuvoja kehitetään sekä siviilipuolelle että armeijakäyttöön, vaikkakin nämä sektorit eroavat toisistaan olosuhteiden ja tavoitteiden osalta. Autonomia voidaan nähdä tulevaisuuden trendinä etenkin sodankäynnin muuttuessa teknisemmäksi. Aihe on relevantti myös Puolustusvoimille, jonka tulee seurata sotilasteknologiaa ja kehittyä sen mukana.
Selvitys on laadittu saatavilla olevan teorian ja tutkimuksien pohjalta ja pääpainoksi on valittu navigointi. Navigoinnin osalta on tarkasteltu sen toteuttamiseen vaikuttavia elementtejä huomioon ottaen suomalaiset metsäolosuhteet ja armeijaympäristö. Selvityksessä on myös perehdytty autonomisuuden tekoälyllisiin, teknologisiin ja eettisiin haasteisiin. Teorian pohjalta on ideoitu käyttökohteita, joissa Puolustusvoimat voisi hyödyntää maalla kulkevaa autonomista ajoneuvoa.
Johtopäätöksenä voidaan todeta, että autonomia on laaja kokonaisuus, jonka toteuttaminen vaatii monimutkaisten osa-alueiden yhteistoimivuutta. Jokainen näistä osa-alueista, kuten tekoäly, alusta, näköteknologiat ja anturit, vaatisi oman tutkimuksensa. Teknologinen kehitys ohjaa merkittävästi autonomian kehitystä. Esimerkiksi lidar-valotutkien pienentyminen ja keinotekoisten konvoluutioneuroverkkojen (convolutional neural network) kehitys ovat asioita, joita voidaan käyttää näkökyvyn ja kuvantunnistuksen rakentamisessa.
Selvityksessä tunnistettiin potentiaalisia jatkotutkimuskohteita. Ajoneuvojen välinen tiedonjakoverkko eli VANET (Vehicular ad hoc network) vaatisi lisätarkastelua. Tämän lisäksi koneoppimisen tukemiseksi olisi järkevää tehdä jatkotutkimusta konvoluutioneuroverkkoihin liittyen sekä kerätä kuvadataa Suomen eri maastotyypeistä koneoppimista ajatellen.