AI bruker forsterkingslæring til å navigere i havet

Ingeniører ved Caltech, ETH Zurich og Harvard arbeider med en kunstig intelligens (AI) som kan aktivere autonome droner til å bruke havstrømmer til å hjelpe med navigasjonen. Med denne tilnærmingen må droneene ikke slåss mot strømmene.

Forskningen ble publisert i Nature Communications den 8. desember.

John O. Dabiri er Centennial Professor of Aeronautics and Mechanical Engineering og en av forfatterne av forskningen. 

“Når vi ønsker at roboter skal utforske det dype hav, spesielt i sværmer, er det nesten umulig å kontrollere dem med en joystick fra 20 000 fot unna på overflaten. Vi kan heller ikke mata dem med data om lokale havstrømmer de trenger for å navigere fordi vi ikke kan detektere dem fra overflaten. I stedet må hav-bårne droner på et visst tidspunkt kunne ta beslutninger om hvordan de skal bevege seg selv,” sier Dabiri.

Testing av AI

Ingeniørene testet AI-s nøyaktighet med datamodeller, og teamet utviklet en liten robot som kjører algoritmen på en datachip, som kunne drive hav-bårne droner på jorden så vel som på andre planeter. Til slutt kunne de utvikle et autonomt system som overvåker tilstanden til jordens hav, og det ville gjøre dette ved å kombinere det med proteser tidligere utviklet for å hjelpe jellyfish å svømme på kommando. 

For at denne tilnærmingen skal fungere, må droneene ta beslutninger på egen hånd om hvor de skal gå og hvordan de skal komme dit. De vil sannsynligvis måtte stole på data de samler inn selv, som ville være i form av informasjon om vannstrømmene de opplever.

Forskerne brukte forsterkingslæringsnettverk for å løse dette, og de skrev programvare som kan kjøres på en liten mikrokontroller. 

Teamet kunne bruke en datamodell til å lære AI å navigere. Den simulerende svømmeren hadde bare tilgang til informasjon om vannstrømmene på dens umiddelbare plassering, men den kunne raskt lære hvordan den kunne utnytte virvler i vannet for å gli mot et mål. 

Denne typen navigasjon er vanlig blant ørner og hauker, som rider termiske strømmer i luften mens de trekker ut energi fra luftstrømmer for å manøvrere. Dette gjør det mulig for dem å bevege seg mot et mål mens de sparer energi. 

Effektive navigasjonsstrategier

Ifølge teamet kunne deres forsterkingslæringsalgoritme også lære navigasjonsstrategier som er mer effektive enn de som brukes av fisk i havet.

“Vi håpet opprinnelig bare at AI kunne konkurrere med navigasjonsstrategier som allerede er funnet i virkelige svømmende dyr, så vi ble overrasket da vi så det lære enda mer effektive metoder ved å utnytte gjentatte forsøk på datamaskinen,” sier Dabiri.

Forskerne vil nå se på å teste AI på hver enkelt type strømforstyrrelse den ville møte i havet. De vil oppnå dette ved å kombinere sin kunnskap om havstrømsfysikk med forsterkingslæringsstrategien.

Peter Gunnarson er en doktorgradsstudent ved Caltech og hovedforfatter av artikkelen.

“Ikke bare vil roboten lære, men vi vil også lære om havstrømmer og hvordan navigere gjennom dem,” sier Gunnarson.