VTI National Transport Research Database

AI-PRAT: AI-språkteknologi inom flygtrafiktjänst – fallstudie funktion och certifiering för automatisk FIS

Sponsors, duration, budget: Trafikverket ; 2024-06-01 -- 2027-03-31 Registration number:
  • Trafikverket 2024/30840
Abstract: Projektet syftar till att utforska och utveckla AI-språkteknologi inom flygtrafiktjänst. Fokus läggs på en fallstudie för funktion och certifiering för automatisk flyginformationstjänst (FIS) i okontrollerat luftrum för bemannat flyg. Projektet AI-PRAT utnyttjar framsteg inom artificiell intelligens (AI) för taligenkänning, språkförståelse, och talgenerering. AI-PRAT-systemet, som är riktat mot automationsnivåer 4-5, består av AI-moduler för tal-till-text, text-till-koncept, dialoghantering och text-till-tal. Projektet syftar till att utvärdera en automatiseradkommunikation mellan piloter och flygledare, där AI skulle kunna ersätta / komplettera den mänskliga interaktionen och därmed frigöra operativa resurser. Den potentiella produktivitetsökningen är högst markant, då arbetsbelastningen associerad med FIS uppskattades till 26 heltidsanställda per år i en LFV-intern förstudie 2022.Abstract: The project AI-PRAT aims to explore and develop a Digital Automated Flight Information Service to manage Flight Information Services (FIS) in uncontrolled airspace. AI-PRAT leverages advancements in artificial intelligence (AI) for speech recognition, language understanding, and speech generation. The AI-PRAT system, targeting automation levels 4-5, comprises AI modules for speech-to-text, text-to concept, dialogue management, and text-to-speech. The system intends to automate communication between pilots and air traffic controllers, replacing traditional human interaction with AI, thereby freeing up resources for air traffic controllers. The potential increase in productivity is significant, as the workload associated with FIS was estimated at 26 full-time employees in an LFV-internal pre-study in 2022.The project's objectives are divided into soft and hard goals, focusing on achieving a maturity level of TRL2-TRL3. Soft goals include developing an understanding of the automation of FIS, adapting the AI-PRAT system to various voices with consideration for equality and diversity, and optimizing speech synthesis for radio communication. Hard goals involve a high degree of accuracy in the AI modules' ability to interpret and respond to pilot inquiries, and gender-balanced representation in training data.
Item type:

Powered by Koha