Інженери програмують морських роботів для ризику

В даний час інженери розробили алгоритм, який дозволяє AUV зважувати ризики та потенційні вигоди від вивчення невідомого регіону. Наприклад, якщо транспортний засіб, до якого входить ідентифікація підводних нафтових витоків, наближається до крутого скелястого жолоба, алгоритм може оцінити рівень винагороди (ймовірність того, що поблизу цього жолоба існує просочування нафти) і рівень ризику (ймовірність зіткнення з перешкодою), якщо б він йшов траншеєю.

Ми знаємо набагато менше про океани Землі, ніж про поверхню Місяця чи Марса. Морське дно вкрите великими каньйонами, що піднімаються підводними горами, глибокими траншеями і прямовисними скелями, більшість з яких вважаються занадто небезпечними або недоступними для навігації автономних підводних апаратів (AUV).

Але що якщо нагорода за обхід таких місць коштувала ризику?

Інженери MIT зараз розробили алгоритм, який дозволяє AUV зважувати ризики та потенційні вигоди від вивчення невідомого регіону. Наприклад, якщо транспортний засіб, до якого входить ідентифікація підводних нафтових витоків, наближається до крутого скелястого жолоба, алгоритм може оцінити рівень винагороди (ймовірність того, що поблизу цього жолоба існує просочування нафти) і рівень ризику (ймовірність зіткнення з перешкодою), якщо б він йшов траншеєю.

«Якби ми були дуже консервативними з нашим дорогим автомобілем, заявивши, що його живучість понад усе, ми б не знайшли нічого цікавого», - каже Бенджамін Айтон, аспірант факультету аеронавтики та космонавтики Массачусетського технологічного інституту. «Але якщо ми розуміємо, що є компроміс між винагородою за те, що ви збираєте, та ризиком чи загрозою переходу до цих небезпечних територій, ми можемо піти на певні ризики, коли це доцільно».

Айтон каже, що новий алгоритм може обчислювати співвідношення ризику та винагороди у режимі реального часу, оскільки транспортний засіб вирішує, де шукати далі. Він та його колеги в лабораторії Браяна Вільямса, професора аеронавтики та космонавтики, впроваджують цей алгоритм та інші в AUV з метою розгортання флотів сміливих, інтелектуальних дослідників-роботів для низки завдань, включаючи пошук морських нафтових родовищ. досліджуючи вплив зміни клімату на коралові рифи та досліджуючи екстремальні умови, аналогічні Європі, крижаному місяцю Юпітера, який, як сподівається команда, одного разу перетинатимуть транспортні засоби.

«Якби ми пішли до Європи і мали дуже вагому причину вважати, що в печері чи тріщині може бути спостереження за мільярд доларів, яке виправдовує відправку космічного корабля до Європи, то ми абсолютно хочемо ризикнути потрапити в цю печеру», - говорить Айтон. алгоритми, які не враховують ризик, ніколи не знайдуть це спостереження, що потенційно змінює історію».

Айтон і Вільямс разом з Річардом Каміллі з Океанографічного інституту Вудс-Хоул представлять свій новий алгоритм на конференції Асоціації сприяння штучному інтелекту цього тижня в Гонолулу.

Сміливий шлях

Новий алгоритм команди є першим, що дозволяє «адаптивну вибірку з обмеженим ризиком». Місія адаптивного відбору проб призначена, наприклад, для автоматичної адаптації траєкторії AUV на основі нових вимірювань, які проводить транспортний засіб при дослідженні даного регіону. Більшість місій з адаптивного відбору проб, у яких враховується ризик, зазвичай роблять це шляхом знаходження шляхів із конкретним прийнятним рівнем ризику. Наприклад, AUV можуть бути запрограмовані тільки для того, щоб намітити шляхи з ймовірністю зіткнення, яке не перевищує 5 відсотків.

Але дослідники виявили, що облік лише ризику може серйозно обмежити потенційні вигоди місії.

"Перш ніж приступити до місії, ми хочемо вказати, який ризик ми готові піти на певний рівень винагороди", - говорить Айтон. "Наприклад, якби шлях привів нас до більшої кількості гідротермальних джерел, ми були б готові піти на цю кількість ризику, але якщо ми нічого не побачимо, ми були б готові піти на менший ризик".

Алгоритм команди приймає батиметричні дані або інформацію про топографію океану, включаючи будь-які навколишні перешкоди, а також динаміку транспортного засобу та інерційні вимірювання, щоб обчислити рівень ризику для певного пропонованого шляху. Алгоритм також враховує всі попередні виміри, виконані AUV, щоб обчислити ймовірність того, що такі виміри з високим прибутком можуть існувати вздовж запропонованого шляху.

Якщо відношення ризику до винагороди відповідає певному значенню, визначеному вченими заздалегідь, тоді AUV просувається пропонованим шляхом, проводячи більше вимірів, які повертаються в алгоритм, щоб допомогти йому оцінити ризик та винагороду інших шляхів як Транспортний засіб рухається вперед.