Hovedtemaet i denne masteroppgaven er situasjonsforståelse. Oppgaven er todelt, hvor første del handler om sjøtilstandsestimering for et dynamisk posisjonert (DP) fartøy, og andre del handler om risikobaserte beslutninger for å unngå kollisjon for et autonomt DP fartøy. Begge temaene er i høy grad relatert til forskning om autonome skip, da sjøtilstand er en viktig input til et autonomt beslutningssystem. En algoritme for sjøtilstandsestimering som er uavhengig av transferfunksjonene til skipet har blitt utviklet for et fartøy i DP. Algoritmen bruker Kvadratisk Diskriminant Analyse til å estimere den absolutte bølgeretningen, og estimerer videreombølgenkommerfrastyrbordellerbabordvedbrukavhiv-rullkrysspekteret. Når det er relevant, skiller algoritmen mellom motsjø og medsjø. Videre bruker algoritmen Partial Least Squares Regression for å estimere signifikant bølgehøyde og bølgeperiode. Algoritmen trenes på et simulert datasett for NTNUs forskningsbåt RV Gunnerus, oger validert på data som ikke var i treningsdataen. Resultater har vært lovende, og sammenlignbare med modellbaserte metoder med samme mål. En online beslutningsmodell har også blitt laget. Modellen bruker et Bayesiansk nettverk som dekker en rekke faktorer som kan påvirke kollisjonsrisiko for et autonomt skip. Modellen tar beslutninger basert på situasjonen og kollisjonsrisiko påetgitttidspunkt. Forskjelligesituasjonerharblitttestetimodelleksperimenter, hvor systemet tok riktige beslutninger og handlet basert på situasjonen. Modellenerengodrepresentasjonpåenonlineogautonommetodesombrukerrisiko som kriterie for å ta en beslutning, og kan bli utviklet videre til å inkludere flere situasjoner og utfall.