AI 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 navigationen.

Forskningen blev offentliggjort i Nature Communications den 8. december.

John O. Dabiri er Centennial Professor of Aeronautics and Mechanical Engineering og en af forfatterne til 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 har vi på et tidspunkt brug for, at hav-bårne droner kan træffe beslutninger om, hvordan de skal bevæge sig selv,” siger Dabiri.

Test af AI

Ingeniørerne testede AI’s nøjagtighed med computersimulationer, og teamet udviklede en lille robot, der kører algoritmen på en computerchip, der kan give kraft til hav-bårne droner på Jorden såvel som på andre planeter. Til sidst kunne de udvikle et selvstændigt system, der overvåger tilstanden af planetens hav, og det ville gøre dette ved at kombinere det med proteser, der tidligere er udviklet til at hjælpe jellyfish med at svømme på kommando.

For at denne tilgang skal fungere, skal dronerne selv træffe beslutninger om, hvor de skal gå hen, og hvordan de skal komme dertil. De vil sandsynligvis være afhængige af de data, de selv indsamler, hvilket ville være i form af informationer 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 informationer om vandstrømmene på dens nærmeste beliggenhed, 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 udnytter energi fra luftstrømme til at manøvrere. Dette giver dem mulighed for at bevæge sig mod et mål, mens de sparer energi.

https://www.youtube.com/watch?v=8pEATeGo9dQ

Effektive navigationsstrategier

Ifølge teamet kunne deres forstærket 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 hos 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 forsøge at teste AI på hver enkelt type af strømforstyrrelse, den ville møde i havet. De vil opnå dette ved at kombinere deres viden om havstrømsfysik med forstærket lærestrategi.

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

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