AI Menggunakan Pembelajaran Penguatan untuk Navigasi Lautan

Insinyur di Caltech, ETH Zurich, dan Harvard bekerja pada kecerdasan buatan (AI) yang dapat memungkinkan drone otonom untuk menggunakan arus laut untuk membantu navigasi mereka. Dengan pendekatan ini, drone tidak perlu melawan arus.

Penelitian ini dipublikasikan di Nature Communications pada 8 Desember.

John O. Dabiri adalah Profesor Aeronautika dan Teknik Mesin dan salah satu penulis penelitian ini.

“Ketika kita ingin robot menjelajahi laut dalam, terutama dalam kawanan, hampir mustahil untuk mengendalikannya dengan joystick dari 20.000 kaki jauhnya di permukaan. Kita juga tidak dapat memberi mereka data tentang arus laut setempat yang mereka butuhkan untuk navigasi karena kita tidak dapat mendeteksi mereka dari permukaan. Sebaliknya, pada titik tertentu kita perlu drone laut yang dapat membuat keputusan tentang bagaimana bergerak sendiri,” kata Dabiri.

Menguji AI

Insinyur menguji akurasi AI dengan simulasi komputer, dan tim mengembangkan robot kecil yang menjalankan algoritma pada chip komputer, yang dapat memberdayakan drone laut di Bumi serta planet lain. Akhirnya, mereka dapat mengembangkan sistem otonom yang memantau kondisi lautan planet, dan ini akan dilakukan dengan menggabungkannya dengan prostetik yang sebelumnya dikembangkan untuk membantu ubur-ubur berenang dengan perintah.

Untuk pendekatan ini bekerja, drone harus membuat keputusan sendiri tentang ke mana dan bagaimana mereka akan pergi. Mereka kemungkinan akan bergantung pada data yang mereka kumpulkan sendiri, yang akan berupa informasi tentang arus air yang mereka alami.

Peneliti menggunakan jaringan pembelajaran penguatan untuk menangani ini, dan mereka menulis perangkat lunak yang dapat berjalan pada mikrokontroler kecil.

Tim dapat menggunakan simulasi komputer untuk mengajar AI navigasi. Perenang simulasi hanya memiliki akses ke informasi tentang arus air di lokasi sekitarnya, tetapi ia dapat dengan cepat belajar bagaimana mengeksploitasi vortex di air untuk menuju ke target.

Jenis navigasi ini umum di antara elang dan elang, yang mengendarai termal di udara sambil mengekstrak energi dari arus udara untuk manuver. Ini memungkinkan mereka untuk bergerak menuju target sambil menghemat energi.

Strategi Navigasi Efektif

Menurut tim, algoritma pembelajaran penguatan mereka juga dapat belajar strategi navigasi yang lebih efektif daripada yang digunakan oleh ikan di laut.

“Kami awalnya hanya berharap AI dapat bersaing dengan strategi navigasi yang sudah ada pada hewan renang nyata, jadi kami terkejut melihatnya belajar metode yang lebih efektif dengan mengeksploitasi percobaan berulang pada komputer,” kata Dabiri.

Peneliti sekarang akan menguji AI pada setiap jenis gangguan aliran yang akan mereka temui di laut. Mereka akan mencapai ini dengan menggabungkan pengetahuan mereka tentang fisika aliran laut dengan strategi pembelajaran penguatan.

Peter Gunnarson adalah mahasiswa pascasarjana di Caltech dan penulis utama makalah ini.

“Bukan hanya robot yang akan belajar, tetapi kita juga akan belajar tentang arus laut dan bagaimana menavigasi melalui mereka,” kata Gunnarson.