海上航行是全球經濟體系的真正命脈，但它常常發現自己身處險境──字面上的險境。我們指的不僅是風暴，還有人為失誤造成的數百萬美元損失，以及危及關鍵基礎設施的風險。當全世界都在熱議自動駕駛陸地車輛時，德州農工大學決定以嚴肅的工業化方法來解決這個問題：不是取代船長，而是為他配備演算法監督系統。
該系統名為SMART-SEA （基於機器學習和雷達技術的船舶碰撞避免系統） ，據專業技術人士報道，它代表了海事風險管理領域的一次質的飛躍。該消息已發表在《新地圖集》（New Atlas）上。
問題不在於誰動，而在於誰不動。
這聽起來或許有些矛盾，但對於船舶雷達來說，追蹤靜止物體往往比追蹤移動物體更難。商船慣性巨大（煞車距離以英里計），不僅要避開其他船舶，還要避開諸如石油鑽井平台或離岸風電場之類的固定障礙物。問題在於，這些物體，尤其是在波濤洶湧的海面上，很容易融入傳統雷達接收到的海浪背景「噪音」中。
這就是 SMART-SEA 的用武之地。該系統由美國內政部(DOI) 和美國能源部(DOE) 共同開發，它不僅能“看”，還能“解讀”。
SMART 的運作方式及其考慮的因素
科技：陰雲密佈與速度障礙
根據研究揭示的細節，SMART-SEA 的核心是一系列演算法的組合，其複雜程度足以令金融分析師都相形見絀。它並非常見的通用人工智慧，而是一個融合了三個關鍵要素的系統：
- 計算流體動力學（CFD）：此軟體理解物理原理。它知道船體如何回應水、風和水流。這不是電子遊戲，而是真實的模擬。
- MVO（改進速度障礙）演算法：該技術基於相對速度計算潛在的碰撞軌跡。本質上，它繪製出船舶必須避開的不可見危險錐。
- AGC（非對稱灰雲）模式：這才是真正的創新之處。非對稱灰雲模型能夠有效應對不確定性。在海上，數據並非非黑即白；霧、感測器延遲和人為錯誤都會造成灰色地帶。該演算法能夠量化這種風險，並以易於理解的方式呈現給船長。
Gunnerus 的數位孿生測試
為了在不造成真實船舶沉沒的情況下驗證該系統，由 Mirjam Fürth 博士領導的團隊採用了工業 4.0 的方法：數位孿生。他們創建了挪威科技大學 (NTNU) 著名科考船R/V Gunnerus的完美數位模型。
「岡納魯斯號」
模擬結果很明確：該系統能夠偵測並識別靜止障礙物（傳統雷達經常忽略或混淆的障礙物），並提出嚴格符合《國際海上避碰規則》（海上「交通規則」）的規避機動方案。
軌跡評估及其產生方式
人機交互
SMART-SEA背後的理念將吸引務實主義者：它摒棄了魯莽的完全自動化。本系統採用人機協同設計。人工智慧處理複雜的數學和物理問題，過濾掉虛假的雷達警報，並提出航線建議。船長則憑藉經驗和直覺決定是否採納該建議。
它是機器的計算能力與人類判斷力的完美結合，當意外情況不是一個數字，而是在茫茫大海中的真實情況時，這種結合是必不可少的。
問答
本專案中使用的「數位孿生」是什麼？ 「數位孿生」是真實船舶（在本例中為研究船「Gunnerus」號）的精確虛擬副本。研究人員將真實船舶的所有物理、流體動力學和機械參數輸入電腦。這使得他們能夠在數千個模擬碰撞場景中測試SMART-SEA演算法，以驗證船舶對人工智慧建議的操縱操作的實際反應，而無需冒任何實際船舶的風險。
非對稱灰雲模式如何幫助導航？在海上，數據永遠不可能完美：霧、感測器延遲和波浪都會造成乾擾。非對稱灰雲（AGC）模型透過數學方法幫助管理這些不確定性。 AGC 並非簡單地給出關於障礙物的「是/否」答案，而是以一種細緻入微的方式（構成一個「可能性雲」）計算風險機率，從而使系統在建議避開路線時比傳統演算法更加保守和精確。
為什麼該系統專注於靜止物體？對於現代雷達而言，偵測其他移動船隻相對容易。真正的挑戰在於靜止物體，例如石油鑽井平台或浮標，尤其是在波濤洶湧的海面上。波浪會在雷達上產生「雜波」（視覺噪音），從而遮蔽靜止物體。 SMART-SEA 利用機器學習技術，將靜止威脅的「形狀」與簡單的波浪噪音區分開來，從而大幅降低碰撞風險。
文章《SMART-SEA：利用「灰色雲」和數位孿生技術拯救船舶（和帳戶）的人工智慧》來自Scenari Economici 。
這是在 Wed, 07 Jan 2026 11:00:48 +0000 在 https://scenarieconomici.it/smart-sea-lintelligenza-artificiale-che-usa-nuvole-grigie-e-gemelli-digitali-per-salvare-le-navi-e-i-conti/ 的報紙 “Scenari Economici” 上發表的文章的翻譯。