Nowe algorytmy umożliwiające korzystanie z adaptacyjnych autonomicznych pojazdów podwodnych
Ekosystemom podwodnym zagrażają zmiany klimatu, zanieczyszczenia i nadmierna eksploatacja, a także inne czynniki środowiskowe. „Jednym ze wspólnych celów, do których dąży Europa, jest ochrona zdrowia i różnorodności biologicznej środowisk morskich”, mówi Ivan Masmitja, badacz z Institut de Ciències del Mar (ICM-CSIC). „Aby jednak można było chronić i zachować te niezwykle ważne ekosystemy, potrzeba zupełnie nowych, przełomowych podejść”. Jedno z takich podejść polega na wykorzystaniu adaptacyjnych autonomicznych pojazdów podwodnych (AUV), czyli swego rodzaju podwodnych dronów. Jak tłumaczy Masmitji, AUV mają potencjał, by umożliwić naukowcom prowadzenie przełomowych badań środowisk morskich oraz gromadzenie danych na temat szerokiego wachlarza czynników środowiskowych. „Szkopuł w tym, że bardzo trudno jest lokalizować i śledzić podwodne obiekty, a już zwłaszcza organizmy morskie”, wyjaśnia. Korzystając ze wsparcia finansowanego przez UE projektu AIforUTracking, naukowcy z ICM-CSIC starają się rozwiązać ten problem przy pomocy algorytmów opartych na uczeniu maszynowym. „Rezultaty tych prac powinny znaleźć zastosowanie w śledzeniu zwierząt morskich przez pojazdy autonomiczne, a projekt bezpośrednio wpisuje się w realizację celów określonych w unijnej dyrektywie ramowej w sprawie strategii morskiej”, dodaje Joan Navarro, kolejny badacz z ICM-CSIC, który uczestniczył w projekcie. Realizację projektu umożliwiło wsparcie w ramach działania „Maria Skłodowska-Curie”.
Zastosowanie uczenia ze wzmocnieniem do śledzenia podwodnych celów
Techniką, na której wykorzystaniu opiera się projekt, jest uczenie ze wzmocnieniem. „Uczenie ze wzmocnieniem to specyficzna gałąź uczenia maszynowego, która ma na celu optymalizację sterowania poprzez analizę sposobów, w jaki inteligentny agent powinien działać w dynamicznym środowisku, aby osiągnąć pożądany rezultat”, tłumaczy Navarro. W przypadku omawianego projektu uczenie ze wzmocnieniem ma pomóc AUV znaleźć optymalną drogę do śledzenia podwodnych celów jedynie przy użyciu informacji o odległości. Ale tak jak w przypadku wielu projektów badawczych, realizacja tej koncepcji okazuje się bardzo trudna w praktyce. „Jednym z głównych wyzwań, przed którymi stanęliśmy, było wykorzystanie algorytmów uczenia ze wzmocnieniem w istniejących AUV, z których wiele nie miało wystarczająco mocnego procesora, aby obsłużyć niezbędne oprogramowanie”, mówi Masmitja. „Musieliśmy w związku z tym opracować sieć uczenia ze wzmocnieniem od zera przy użyciu podstawowych notacji matematycznych”.
Uczenie maszynowe pomaga w lokalizacji celów
Po napisaniu i zainstalowaniu oprogramowania uczenia ze wzmocnieniem nadszedł czas na przetestowanie rozwiązania AIforUTracking. W tym celu zespół udał się do Kalifornii. Po umieszczeniu AUV z funkcją uczenia ze wzmocnieniem w Zatoce Monterey naukowcy śledzili go z łodzi przez kilka godzin i na dystansie ponad 2,5 kilometra. „Wykazaliśmy po raz pierwszy w historii, że algorytmy uczenia ze wzmocnieniem mogą być szkolone i wykorzystywane do rozwiązywania najważniejszych problemów dotyczących misji podwodnych, takich jak lokalizacja celów”, mówi Navarro.
Wykorzystanie algorytmów do koordynowania pracy floty podwodnych pojazdów autonomicznych
Oprócz uczenia ze wzmocnieniem w projekcie wykorzystano także algorytmy uczenia ze wzmocnieniem obejmujące wielu agentów (MARL). Naukowcy opracowali nowy algorytm z transformatorami, który okazał się lepszy od innych aktualnie dostępnych algorytmów w różnych scenariuszach. Zdaniem Masmitjy jest to kolejny ważny kamień milowy, jako że MARL może być wykorzystywane do koordynowania pracy floty pojazdów w celu eksploracji oceanu. „Dzięki opracowanym i wdrożonym przez nas technikom znacząco przybliżamy się do stworzenia bardziej autonomicznych i elastycznych pojazdów pozwalających na eksplorację, badanie i monitorowanie oceanu oraz licznych zamieszkujących go stworzeń”, dodaje uczony. Duża część rezultatów projektu została opublikowana w „Science Robotics”, jednym z najbardziej prestiżowych czasopism z dziedziny robotyki.
Słowa kluczowe
AIforUTracking, bioróżnorodność, środowisko morskie, algorytmy, autonomiczne pojazdy podwodne, śledzenie zwierząt morskich, zmiana klimatu, drony
