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 trenger droneene ikke å kjempe mot strømmene.

Forskningen ble publisert i Nature Communications den 8. desember.

John O. Dabiri er professor i aeronautikk og mekanisk ingeniørvitenskap 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 som 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

Ingeniørerne testet AI-sens nøyaktighet med datamaskinsimuleringer, og teamet utviklet en liten robot som kjører algoritmen på en datamaskinchip, 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 planetens hav, og det ville gjøre dette ved å kombinere det med proteser som tidligere var 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 dataene de samler inn selv, som ville være i form av informasjon om vannstrømmene de opplever.

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

Teamet kunne bruke en datamaskinsimulering til å lære AI å navigere. Den simulerende svømmeren hadde bare tilgang til informasjon om vannstrømmene på sin lokale posisjon, men den kunne raskt lære hvordan man kunne utnytte virvler i vannet for å gli mot et mål.

Denne type navigasjon er vanlig blant ørner og hauker, som rider termiske luftstrømmer i luften samtidig som de trekker ut energi fra luftstrømmene for å manøvrere. Dette tillater dem å bevege seg mot et mål samtidig som 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 sanne svømmende dyr, så vi var overrasket da vi så at den lærte enda mer effektive metoder ved å utnytte gjentatte forsøk på datamaskinen,” sier Dabiri.

Forskerne vil nå se på å teste AI på hver type strømforstyrrelse den ville møte i havet. De vil oppnå dette ved å kombinere deres kunnskap om havstrøm-fysikk med forsterkingslæringsstrategien.

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

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