La popularidad del transporte aéreo sigue creciendo, colocando una carga de trabajo aún mayor en los controladores de tránsito aéreo (ATCO). Su situación se puede mejorar mediante un sistema de reconocimiento de voz automático estrechamente integrado con un administrador de llegadas desarrollado por investigadores financiados por la UE y SESAR.

Uno de los mayores obstáculos para introducir niveles más altos de automatización en la gestión del tráfico aéreo (ATM) es el uso intensivo de comunicaciones por radio de voz para transmitir instrucciones de control de tráfico aéreo (ATC) a los pilotos. Reconocimiento automático de voz que convierte el habla humana en textos, puede proporcionar una solución para reducir significativamente las cargas de trabajo de los ATCO y aumentar la eficiencia de los cajeros automáticos.

El proyecto MALORCA, financiado por Horizonte 2020, tenía como objetivo reducir los costes de desarrollo y mantenimiento del reconocimiento de voz basado en asistentes (ABSR) mediante el uso del aprendizaje automático en lugar de la programación manual de software. Esta iniciativa se financió en el marco de la Empresa Común SESAR. una asociación público-privada creada para modernizar el sistema de cajeros automáticos de Europa.

Adaptación a las condiciones locales

Los sistemas ATC modernos deben ser seguros y eficientes y, al mismo tiempo, estar actualizados. Por lo tanto, requieren una contribución significativa de los ATCO, que actualmente se captura a través de dispositivos de teclado y mouse. Tecnologías modernas como enlace de datos aire-tierra, que en algunos casos puede reemplazar la comunicación de voz, requerirá aún más aportaciones de los ATCO.

ABSR puede reducir la inmensa carga de trabajo del ATCO. "Afortunadamente, El reconocimiento automático de voz ha alcanzado un nivel de fiabilidad suficiente para su implementación en un sistema ATM. "dice el coordinador del proyecto Hartmut Helmke." Sin embargo, necesitamos reducir los costos de transferencia de los sistemas de reconocimiento de voz de un área de aproximación a otra ".

En la actualidad, varios módulos de reconocimiento de voz requieren una adaptación manual a las necesidades locales causadas por las variaciones acústicas y del lenguaje, como los acentos regionales, desviaciones de fraseología y limitaciones locales. MALORCA propuso un general, solución barata y eficaz para automatizar este reaprendizaje, proceso de adaptación y personalización. Esto implica aprender automáticamente el reconocimiento de voz local y los modelos ATCO a partir de grabaciones de datos de voz y de radar.

MALORCA desarrolló nuevas herramientas de aprendizaje automático para aprender automáticamente el comportamiento de ATCO y adaptar los modelos de reconocimiento de voz a partir de los datos registrados por los proveedores de servicios de navegación aérea. El aprendizaje automático emplea técnicas estadísticas que permiten que los sistemas informáticos 'aprendan' y mejoren su desempeño en tareas específicas a lo largo del tiempo mediante la explotación de estos datos. sin estar programado explícitamente. Esto reemplazará gran parte del esfuerzo manual requerido anteriormente y reducirá los costos, ya que el aprendizaje automático de los modelos ABSR hace que la adaptación a diferentes aeropuertos y el mantenimiento sean más baratos y rápidos.

El primer paso

Los socios del proyecto utilizaron el resultado de un "Administrador de llegadas" para los aeropuertos de Praga y Viena para dividir automáticamente los datos de capacitación no transcritos en partes positivas y negativas a través de métricas de confianza específicas. Esta métrica se utilizó luego en los algoritmos de aprendizaje automático desarrollados para reforzar el aprendizaje a partir de los datos de adaptación.

En el contexto de ABSR, el Administrador de llegadas admite la predicción de los comandos ATC que son relevantes para la situación actual. Los comandos predichos se comparan con la salida del reconocedor de voz. Si no se predice un comando, se asume que el sistema de reconocimiento de voz ha emitido un comando incorrecto.

Por lo tanto, el proyecto proporciona a la industria de la aviación un enfoque práctico para desarrollar y desplegar un sistema de reconocimiento de voz de última generación e integrarlo en los sistemas de comunicación de voz actuales para los proveedores de servicios de navegación aérea.

El uso del aprendizaje automático para el reconocimiento de voz es solo el primer caso de prueba para su aplicación más amplia en ATM. Su aplicación en ATM también puede ayudar a reducir la adaptación y mantenimiento de otras herramientas ATM. La adaptación, por ejemplo, de un Administrador de llegadas genérico a aeropuertos específicos podría ser el siguiente paso.