Skip to main content

Towards Intelligent Cognitive AUVs

Article Category

Article available in the folowing languages:

Podwodne roboty zostaną wyposażone w oprogramowanie podejmujące decyzje

Autonomiczne pojazdy podwodne (AUV) mają możliwość „przyglądania się” z bliska temu, co dzieje się pod powierzchnią oceanów i mórz świata oraz realizacji szeregu różnorodnych zadań. Ponadto stają się coraz bardziej inteligentne i niezawodne dzięki innowacyjnym algorytmom przetwarzania danych.

Gospodarka cyfrowa
Żywność i zasoby naturalne

Badania archeologiczne i naukowe, eksploracja dna oceanu w związku z projektami przemysłowymi i rządowymi takimi jak układanie rurociągów czy budowa mostów – jest wiele powodów, które sprawiają, że poznawanie środowisk podwodnych jest niezwykle ważne. Dzięki wsparciu działania „Maria Skłodowska-Curie” zespół projektu TIC-AUV podjął prace nad zwiększeniem inteligencji autonomicznych pojazdów podwodnych używanych w celach badawczych i sprawieniem, że będą w stanie dłużej wykonywać swoją pracę.

Pokonywanie istniejących ograniczeń

Większość obecnie wykorzystywanych autonomicznych pojazdów podwodnych jest w stanie wykonywać badania wyłącznie po uprzednim zaprogramowaniu i nie posiada żadnych mechanizmów poznawczych. Jak twierdzi główny badacz i beneficjent grantu Francesco Maurelli: „Prace zrealizowane w ramach projektu sprawiły, że autonomiczne pojazdy podwodne są w stanie lepiej rozpoznawać swoje środowisko, podejmować decyzje oraz radzić sobie z nieoczekiwanymi zdarzeniami i awariami, dzięki czemu możliwe jest lepsze wykorzystanie ich potencjału na potrzeby niebieskiej gospodarki”. W celu realizacji swoich celów Maurelli wykorzystał własne doświadczenie w zakresie programowania, aby stworzyć algorytmy przetwarzania informacji. Opracowane algorytmy pozwalają na pozyskiwanie i analizowanie istotnych informacji na temat otoczenia dostarczanych przez czujniki, w które wyposażone są pojazdy podwodne.

Zaawansowane narzędzia wykorzystują dane dotyczące otoczenia i robotów

Już od wielu dziesięcioleci roboty przemysłowe są stosowane do automatycznego wykonywania powtarzalnych zadań w stałej lokalizacji. Możliwość przetwarzania informacji na temat otoczenia i podejmowania decyzji tak samo jak robi to człowiek pozwoliła na wykorzystanie robotów poza fabrykami i znalezienie zastosowania w złożonych, nieuporządkowanych i zmiennych środowiskach. Samobieżne pojazdy autonomiczne muszą być w stanie tworzyć i na bieżąco aktualizować szczegółowe zbiory danych na temat zmieniającego się środowiska pracy, swojego położenia oraz orientacji wobec otoczenia, a także powiązań pomiędzy obiektami – tego rodzaju rozwiązania określamy mianem funkcji mapowania semantycznego. Jak wyjaśnia Maurelli: „Semantyczny obraz świata opiera się na dwóch ważnych aspektach: przetwarzaniu danych z czujników pozwalającym na ich analizowanie oraz identyfikację ważnych elementów, a także modelowaniu obrazu świata, który pozwala na określenie elementów ważnych dla danego otoczenia oraz powiązań między nimi”. Podobne rozwiązanie zostało wykorzystane w przypadku autonomicznych pojazdów podwodnych wykorzystujących czujniki dostarczające informacji na temat otoczenia i robota. Algorytmy lokalizacyjne określają przybliżoną orientację pojazdu oraz pozycję w oparciu o prawdopodobieństwa bliskości obiektów znajdujących się na mapie. Algorytmy przetwarzające dane z czujników autorstwa Maurellego umożliwiły realizację głównego celu projektu – umożliwienia budowy bardziej inteligentnych autonomicznych pojazdów podwodnych, które mogą dzięki nim pozostawać dłużej pod wodą i reagować na nieprzewidziane zdarzenia i usterki. Aktywne podejmowanie decyzji opiera się na optymalizacji działań realizowanych w ramach danego zadania na podstawie dokładnej mapy semantycznej i lokalizacji pojazdu. Funkcja zarządzanie usterkami pozwala robotom na wykrywanie usterek i błędów, a także podejmowanie odpowiednich działań, co stanowi klucz do zapewnienia długoterminowej autonomii. Algorytmy opracowane z myślą o zarządzaniu awariami układu napędowego lub pędników mogą zostać rozbudowane o rozwiązania dotyczące innych możliwych usterek dzięki zaktualizowanej mapie semantycznej.

Szerokie możliwości

Jak mówi Maurelli, przybliżając kontekst swojego rozwiązania: „Wszyscy powtarzali mi, żebym się nigdy nie poddawał, żebym skupiał się na swoich celach i zrobił wszystko, co w mojej mocy, żeby je osiągnąć. Właśnie dlatego traktuję moje roboty w ten sam sposób – jeśli wystąpi jakaś usterka, powinny znaleźć sposób na jej rozwiązanie lub ominięcie, aby mogły skutecznie wykonać swoje zadanie”. Pomimo tego, że celem projektu TIC-AUV było zwiększenie możliwości podwodnych robotów, Maurelli dostrzega także możliwość opracowania inteligentniejszych autonomicznych pojazdów podwodnych wspierających różnorodne aspekty Agendy na rzecz zrównoważonego rozwoju 2030 dzięki zrównoważonym badaniom i wykorzystaniu bogactwa mórz i oceanów.

Słowa kluczowe

TIC-AUV, autonomiczny pojazd podwodny (AUV), środowisko, robot, czujnik, awaria, usterka, algorytm, dane, lokalizacja, orientacja, przetwarzanie danych z czujników, mapa semantyczna

Znajdź inne artykuły w tej samej dziedzinie zastosowania