روبوتات تسبح تحت الماء لتحديد أماكن الأشياء بالواقع المعزز

فريق بقيادة معهد علوم مار (ICM-CSIC) في برشلونة بالتعاون مع معهد مونتيري باي لبحوث الأحياء المائية (MBARI) في كاليفورنيا ، وجامعة Politècnica de Catalunya (UPC) وجامعة جيرونا (UdG) ، يثبت لأول مرة أن التعلم المعزز يسمح للمركبات المستقلة والروبوتات تحت الماء بتحديد موقعها بعناية وتتبع الأجسام البحرية والحيوانات. تم الإبلاغ عن التفاصيل في ورقة نشرت في مجلة Science Robotics.

في الوقت الحالي ، تبرز الروبوتات تحت الماء كأداة رئيسية لتحسين المعرفة بالمحيطات في مواجهة العديد من الصعوبات في استكشافها، مع مركبات قادرة على النزول إلى أعماق تصل إلى 4000 متر. وبالإضافة إلى ذلك، فإن البيانات الموقعية التي توفرها تساعد على استكمال البيانات الأخرى، مثل البيانات التي يتم الحصول عليها من السوائل. هذه التكنولوجيا تجعل من الممكن دراسة الظواهر الصغيرة، مثل التقاط CO2 من قبل الكائنات البحرية، مما يساعد على تنظيم تغير المناخ.

على وجه التحديد ، يكشف هذا العمل الجديد أن التعلم المعزز المستخدم على نطاق واسع في مجال التحكم والروبوتات وتطوير الأدوات المتعلقة بمعالجة اللغة الطبيعية مثل ChatGPT،  يسمح للروبوتات تحت الماء بمعرفة الإجراءات التي يجب القيام بها في أي وقت لتحقيق هدف محدد. وتضاهي سياسات العمل هذا، الأساليب التقليدية القائمة على التطوير التحليلي.

يسمح لنا هذا النوع من التعلم بتدريب شبكة عصبية لتحسين مهمة محددة ، والتي سيكون من الصعب للغاية تحقيقها بخلاف ذلك. على سبيل المثال ، تمكنا من إثبات أنه من الممكن تحسين مسار الروبوت لتحديد وتتبع الأشياء التي تتحرك تحت الماء وضح إيفان ماسميتجا ، المؤلف الرئيسي للدراسة ، الذي عمل بين ICM-CSIC و MBARI.

ستسمح لنا هذه التقنية بتعميق دراسة الظواهر البيئية مثل الهجرة أو الحركة على نطاقات صغيرة وكبيرة للعديد من الأنواع البحرية باستخدام الروبوتات المستقلة. بالإضافة إلى ذلك، ستجعل هذه التطورات من الممكن مراقبة الأدوات الأوقيانوغرافية الأخرى في الوقت الفعلي من خلال شبكة من الروبوتات، حيث يمكن أن يكون بعضها على السطح يراقب وينقل عبر الأقمار الصناعية الإجراءات التي تقوم بها المنصات الروبوتية الأخرى في قاع البحر.

قد يهمك فريق من الروبوتات يستكشف القمر معًا

لتنفيذ هذا العمل ، استخدم الباحثون تقنيات صوتية للنطاق ، والتي تسمح بتقدير موضع الجسم مع مراعاة قياسات المسافة المأخوذة في نقاط مختلفة. ومع ذلك ، فإن هذه الحقيقة تجعل الدقة في تحديد موقع الكائن تعتمد بشكل كبير على المكان الذي يتم فيه أخذ قياسات النطاق الصوتي. وهذا هو المكان الذي يصبح فيه تطبيق الذكاء الاصطناعي ، وعلى وجه التحديد ، التعلم المعزز ، الذي يسمح بتحديد أفضل النقاط ، وبالتالي المسار الأمثل الذي يتعين على الروبوت القيام به .

تم تدريب الشبكات العصبية جزئيا باستخدام مجموعة الكمبيوتر في مركز برشلونة للحوسبة الفائقة (BSC-CNS) ، حيث يوجد أقوى كمبيوتر عملاق في إسبانيا وواحد من أقوى الحواسيب في أوروبا. “هذا جعل من الممكن ضبط معلمات الخوارزميات المختلفة بشكل أسرع بكثير من استخدام أجهزة الكمبيوتر التقليدية يشير البروفيسور ماريو مارتن ، من قسم علوم الكمبيوتر في UPC ومؤلف الدراسة.

بمجرد التدريب ، تم اختبار الخوارزميات على مركبات مستقلة مختلفة ، بما في ذلك AUV Sparus II التي طورتها VICOROB ، في سلسلة من المهام التجريبية التي تم تطويرها في ميناء Sant Feliu de Guíxols ، في Baix Empordà ، وفي خليج مونتيري (كاليفورنيا) ، بالتعاون مع الباحث الرئيسي في مختبر الإلهام البيولوجي في MBARI ، Kakani Katija.

تتضمن بيئة المحاكاة الخاصة بنا بنية التحكم في المركبات الحقيقية ، مما سمح لنا بتنفيذ الخوارزميات بكفاءة قبل الذهاب إلى البحر Narcís Palomeras ، من UdG.

بالنسبة للبحث المستقبلي ، سيدرس الفريق إمكانية تطبيق نفس الخوارزميات لحل المهام الأكثر تعقيدا. على سبيل المثال ، استخدام مركبات متعددة لتحديد موقع الأشياء ، والكشف عن الجبهات والخطوط الحرارية أو ارتفاع الطحالب التعاونية إلى السطح من خلال تقنيات التعلم المعزز متعددة المنصات.

تم إجراء هذا البحث بفضل زمالة ماري كوري الفردية الأوروبية التي فاز بها الباحث إيفان ماسميتيا في عام 2020 ومشروع BITER ، بتمويل من وزارة العلوم والابتكار في حكومة إسبانيا، والذي هو قيد التنفيذ حاليا.

للمزيد تابعونا على الفيسبوك