Kunstig intelligens bruger forstærket læring til at navigere i havet

Ingeniører på Caltech, ETH Zurich og Harvard arbejder på en kunstig intelligens (AI), der kan aktivere autonome droner til at bruge havstrømme til at hjælpe med navigation. Med denne tilgang behøver dronerne ikke at kæmpe mod strømmene.

Forskningen blev offentliggjort i Nature Communications den 8. december.

John O. Dabiri er professor i aeronautik og mekanisk ingeniørvidenskab og en af forfatterne bag forskningen.

“Når vi vil have, at robotter skal udforske det dybe hav, især i sværme, er det næsten umuligt at kontrollere dem med en joystick fra 20.000 fod væk fra overfladen. Vi kan heller ikke give dem data om de lokale havstrømme, de skal navigere i, fordi vi ikke kan registrere dem fra overfladen. I stedet må havbårne droner på et tidspunkt være i stand til at træffe beslutninger om, hvordan de skal bevæge sig selv,” siger Dabiri.

Test af AI

Ingeniørerne testede AI’ens nøjagtighed med computersimulationer, og teamet udviklede en lille robot, der kører algoritmen på en computerchip, som kunne drive havbårne droner på Jorden såvel som på andre planeter. Til sidst kunne de udvikle et autonomt system, der overvåger tilstanden af planetens hav, og det ville gøre det ved at kombinere det med proteser, der tidligere var udviklet til at hjælpe jellyfish med at svømme på kommando.

For at denne tilgang kan fungere, må dronerne træffe beslutninger på egen hånd om, hvor de skal gå hen, og hvordan de skal komme dertil. De vil sandsynligvis være afhængige af de data, de selv indsamler, som ville være i form af information om vandstrømmene, de oplever.

Forskerne brugte forstærket læring til at løse dette problem, og de skrev software, der kan køre på en lille mikrocontroller.

Teamet kunne bruge en computersimulation til at lære AI at navigere. Den simulerede svømmer havde kun adgang til information om vandstrømmene på sin aktuelle position, men den kunne hurtigt lære at udnytte virvler i vandet til at glide mod et mål.

Denne type navigation er almindelig blandt ørne og høge, der rider på termiske strømme i luften og udvinder energi fra luftstrømme til at manøvrere. Dette giver dem mulighed for at bevæge sig mod et mål og samtidig spare energi.

Effektive navigationsstrategier

Ifølge teamet kunne deres forstærkede læringsalgoritme også lære navigationsstrategier, der er mere effektive end dem, der bruges af fisk i havet.

“Vi håbede oprindeligt bare, at AI kunne konkurrere med navigationsstrategier, der allerede findes i rigtige svømmende dyr, så vi var overraskede over at se, at den lærte endnu mere effektive metoder ved at udnytte gentagne forsøg på computeren,” siger Dabiri.

Forskerne vil nu se på at teste AI på hver type strømforstyrrelse, den ville møde i havet. De vil opnå dette ved at kombinere deres viden om havstrømsfysik med forstærket læringstrategi.

Peter Gunnarson er en ph.d.-studerende på Caltech og hovedforfatter på artiklen.

“Ikke kun vil robotterne lære, men vi vil også lære om havstrømme og hvordan man navigerer igennem dem,” siger Gunnarson.