Новый принципиальный подход помогает автономным подводным аппаратам исследовать океан интеллектуальным и энергоэффективным способом.
Новый принципиальный подход помогает автономным подводным аппаратам исследовать океан интеллектуальным и энергоэффективным способом
Дженнифер Чу | Офис новостей Массачусетского технологического института
Наблюдение за Мировым океаном все чаще становится задачей автономных подводных аппаратов (AUV) - морских роботов, которые предназначены для дрейфа, вождения или планирования по океану без какого-либо участия человека-оператора в режиме реального времени. Важнейшие вопросы, на которые AUV могут помочь ответить, заключаются в том, где, когда и что брать для получения наиболее информативных данных, а также как оптимально добраться до мест отбора проб.
Инженеры Массачусетского технологического института разработали системы математических уравнений, которые предсказывают наиболее информативные данные, которые необходимо собрать для данной наблюдательной миссии, и лучший способ добраться до мест отбора проб.
С помощью своего метода исследователи могут предсказать, в какой степени одна переменная, например скорость океанских течений в определенном месте, раскрывает информацию о какой-либо другой переменной, например температуре в каком-либо другом месте. количество, называемое «взаимной информацией». Если степень взаимной информации между двумя переменными высока, АНПА можно запрограммировать на посещение определенных мест для измерения одной переменной и получения информации о другой.
Команда использовала свои уравнения и разработанную ими модель океана под названием «Многодисциплинарные системы моделирования, оценки и усвоения» (MSEAS) в морских экспериментах, чтобы успешно прогнозировать поля взаимной информации и управлять реальными AUV.
«Не все данные одинаковы», - говорит Аркопал Датт, аспирант факультета машиностроения Массачусетского технологического института. «Наши критерии… позволяют автономным машинам точно определять расположение датчиков и время выборки, когда можно выполнить наиболее информативные измерения».
Чтобы определить, как безопасно и эффективно добраться до идеальных мест для отбора проб, исследователи разработали способ помочь AUV использовать неопределенную активность океана, прогнозируя «фронт досягаемости» - динамическую трехмерную область океан, которого АНПА гарантированно достигнет за определенное время, учитывая ограничения мощности АНПА и океанские течения. Метод команды позволяет транспортному средству плыть по течению, которое приближает его к месту назначения, и избегать тех, которые могут сбить его с пути.
Когда исследователи сравнили свои прогнозы доступности с маршрутами реальных АНПА, наблюдающих за регионом Аравийского моря, они обнаружили, что их прогнозы совпадают там, где транспортные средства могут перемещаться в течение длительных периодов времени.
В конечном счете, методы команды должны помочь транспортным средствам исследовать океан разумным и энергоэффективным способом.
«Автономные морские роботы - это наши разведчики, которые, невзирая на бурные воды, собирают для нас данные», - говорит аспирант машиностроения Дипак Субрамани.«Наши математические уравнения помогают разведчикам достигать нужных мест и снижать потребление энергии за счет разумного использования океанских течений».
Исследователи под руководством Пьера Лермюзио, профессора машиностроения, океанологии и инженерии в Массачусетском технологическом институте, изложили свои результаты в статье, которая вскоре появится в томе серии книг «Море,”, опубликованный в Журнале морских исследований.
Помимо Датта и Субрамани, в команду Лермюзио входят Цзин Лин, Чинмай Кулкарни, Абхинав Гупта, Тапован Лолла, Патрик Хейли, Ваэль Хадж Али, Крис Мирабито и Судип Джана, все из Департамента механики. Инженерия.
В поисках самых информативных данных
Чтобы проверить свой подход, исследователи показали, что они могут успешно предсказывать измерения, которые были наиболее информативными для различного набора целей. Например, они прогнозируют наблюдения, которые были оптимальны для проверки научных гипотез, выясняют, верны ли сами уравнения модели океана, оценивают параметры морских экосистем и обнаруживают наличие когерентных структур в океане. Они подтвердили, что их оптимальные наблюдения были на 50-150 % более информативными, чем средние наблюдения.
Чтобы достичь оптимальных мест наблюдения, AUV должны перемещаться по океану. Традиционно планирование маршрутов для роботов выполнялось в относительно статичных средах. Но планирование через океан - это совсем другая история, так как сильные течения и водовороты могут постоянно меняться, быть неопределенными и сбивать транспортное средство с заранее запланированного курса.
Таким образом, команда Массачусетского технологического института разработала алгоритмы планирования пути на основе фундаментальных принципов с учетом океана. Они модифицировали существующее уравнение, известное как уравнение Гамильтона-Якоби, для определения фронта досягаемости AUV, или самого дальнего периметра, которого транспортное средство гарантированно достигнет за заданный промежуток времени. Уравнение основано на трех основных переменных: времени, конкретных двигательных ограничениях транспортного средства и адвекции, или переносе динамическими океанскими течениями - переменной, которую группа прогнозирует, используя свою модель океана MSEAS.
С помощью новой системы AUV могут наносить на карту возможные наиболее информативные пути и адаптировать свои планы отбора проб по мере того, как неопределенные океанские течения меняются с течением времени. В ходе первого крупного испытания в открытом океане команда рассчитала вероятностные фронты досягаемости и наиболее информативные пути для автономных поплавков и планеров в Индийском океане в рамках инициативы Управления по автономным исследованиям циркуляции в северной части Аравийского моря (NASCar). Военно-морские исследования (ONR).
В течение нескольких месяцев исследователи, работающие в своих офисах в Массачусетском технологическом институте, предоставляли группе ONR ежедневные прогнозы доступности, чтобы помочь направлять подводные аппараты, собирая оптимальные наблюдения по пути.
«В основном, я почти не спал», - вспоминает Лермюзье. «Прогнозы были на три-семь дней раньше, и мы собирали данные и обновляли их каждый день. Мы неплохо справились. В среднем планеры и поплавки оказывались там, где нужно, и в пределах вероятностных областей, которые мы предсказывали.”
Момент истины окупается
Лермюзио и его коллеги также использовали свои системы для планирования «оптимальных по времени путей» - траекторий, по которым АНПА должен добраться до определенного места за кратчайшее время, учитывая прогнозируемые условия океанских течений.
Совместно с коллегами из Линкольнской лаборатории Массачусетского технологического института и Океанографического института Вудс-Хоул они протестировали эти оптимальные по времени пути в режиме реального времени, проводя «гонки» между идентичными самоходными аппаратами у побережья Мартас-Винъярд. В каждой гонке курс одного AUV определялся оптимальным по времени путем команды, а другой AUV следовал по пути с кратчайшим расстоянием до того же пункта назначения.
«Было напряженно - кто победит?» Субрамани вспоминает. «Это был момент истины для нас, после стольких лет теоретических разработок с математическими уравнениями и доказательствами».
Работа команды окупилась. В каждой гонке AUV, действовавший в соответствии с прогнозом команды, достигал пункта назначения первым, работая примерно на 15 процентов быстрее, чем конкурирующий AUV. Прогноз команды помог победившему АПА избежать сильных течений, которые временами блокировали другой АПА.
«Это было потрясающе, - говорит Кулкарни. «Несмотря на то, что физически два пути находились на расстоянии менее мили друг от друга, согласно нашим прогнозам, время в пути сократилось на 15 процентов. Это показывает, что наши пути действительно оптимальны по времени».
Среди прочего, Лермюзио, как член Центра технологий и дизайна Tata при Массачусетском технологическом институте, будет применять свои методы прогнозирования океана, чтобы помочь вести наблюдения у побережья Индии, где транспортные средства будут выполнять задачи. мониторинг рыболовства для создания потенциально недорогой системы управления.
«АПА не очень быстрые, и их автономия не бесконечна, поэтому вам действительно нужно учитывать течения и их неопределенность и строго моделировать», - говорит Лермюзио. «Машинный интеллект для этих автономных систем исходит из строгого вывода и объединения основных дифференциальных уравнений и принципов с теорией управления, теорией информации и машинным обучением.”
Это исследование частично финансировалось Управлением военно-морских исследований, Лабораторией Линкольна Массачусетского технологического института, Центром Тата Массачусетского технологического института и Национальным научным фондом.
Перепечатано с разрешения MIT News