De nouveaux algorithmes facilitent l’utilisation de véhicules sous-marins autonomes adaptatifs
Les écosystèmes sous-marins de la planète sont menacés par le changement climatique, la pollution et la surexploitation, entre autres facteurs environnementaux. «L’un de nos objectifs européens communs est de protéger la santé et la biodiversité des environnements marins», explique Ivan Masmitja, chercheur à l’Institut des sciences de la mer (ICM-CSIC). «La protection et la conservation de ces écosystèmes capitaux exigent toutefois des approches totalement nouvelles et révolutionnaires.» L’une de ces approches consiste à faire appel à des véhicules sous-marins autonomes adaptatifs (AUV), essentiellement des drones sous-marins. Selon Ivan Masmitja, les AUV peuvent apporter aux chercheurs une vue incomparable sur nos environnements marins et leur permettre de recueillir des données sur un large éventail de facteurs environnementaux. «Le problème est qu’il est très difficile de localiser et de suivre des objets sous-marins, en particulier la vie marine», explique-t-il. Avec le soutien du projet AIforUTracking financé par l’UE, les chercheurs de l’ICM-CSIC entendent résoudre ce problème en s’appuyant sur des algorithmes basés sur l’apprentissage automatique. «En se rapprochant des applications envisagées pour le suivi des animaux marins par des véhicules autonomes, ce projet est à la pointe de la recherche et contribue directement aux objectifs définis par la directive-cadre “stratégie pour le milieu marin” » de l’UE, ajoute Joan Navarro, également chercheur à l’ICM-CSIC qui a participé à ce projet. Ces recherches ont été entreprises avec le soutien du programme Actions Marie Skłodowska-Curie.
L’apprentissage par renforcement pour suivre des cibles sous-marines
L’utilisation de l’apprentissage par renforcement (AR) est au cœur du projet. «L’AR est un aspect unique de l’apprentissage automatique qui vise à optimiser le contrôle en examinant la manière dont un agent intelligent devrait agir dans un environnement dynamique afin d’obtenir le résultat souhaité», explique Joan Navarro. Dans le cadre du projet, il s’agit d’utiliser l’AR pour aider les AUV à trouver la trajectoire optimale pour suivre des cibles sous-marines en s’appuyant uniquement sur des informations relatives au rayon d’action. Mais comme c’est le cas pour de nombreux projets de recherche, cela a été plus facile à dire qu’à faire. «L’un des principaux défis auxquels nous avons été confrontés a été l’intégration des algorithmes d’AR dans les AUV existants, dont beaucoup ne disposaient pas d’une unité centrale suffisamment puissante pour gérer les progiciels nécessaires», fait remarquer Ivan Masmitja. «Nous avons donc dû créer le réseau d’AR à partir de zéro, en utilisant des notations mathématiques de base.»
L’apprentissage automatique facilite la localisation des cibles
Une fois les algorithmes d’AR écrits et installés, le moment est venu de tester la solution AIforUTracking. Pour ce faire, l’équipe du projet s’est rendue en Californie. En immergeant un AUV équipé de la technologie AR dans la baie de Monterey, les chercheurs ont réussi à suivre le drone à partir d’un véhicule de surface pendant plusieurs heures, sur une distance de plus de 2,5 kilomètres. «Pour la toute première fois, nous avons démontré que les algorithmes d’AR peuvent être entraînés et utilisés pour résoudre des problèmes majeurs dans les missions sous-marines, tels que la localisation de cibles», explique Joan Navarro.
Des algorithmes pour coordonner une flotte de véhicules sous-marins autonomes
Outre l’AR, le projet a également travaillé avec des algorithmes d’apprentissage par renforcement multi-agents (ARMA). Plus précisément, les chercheurs ont développé un nouvel algorithme avec des transformateurs qui a surpassé les algorithmes de pointe dans différents scénarios. Selon Ivan Masmitja, il s’agit d’une nouvelle étape importante, car l’ARMA pourrait être utilisé pour coordonner une flotte de véhicules d’exploration des océans. «Grâce aux techniques que nous avons développées et mises en œuvre, nous progressons à grands pas vers la réalisation de véhicules plus autonomes et adaptables pour explorer, étudier et surveiller l’océan et les créatures qui l’habitent», conclut-il. De nombreux résultats du projet ont été publiés dans «Science Robotics», l’une des revues les plus prestigieuses du secteur de la robotique.
Mots‑clés
AIforUTracking, biodiversité, environnement marin, algorithmes, véhicules sous-marins autonomes, suivi des animaux marins, changement climatique, drones
