AI sử dụng học tăng cường để điều hướng đại dương

Các kỹ sư tại Caltech, ETH Zurich và Harvard đang nghiên cứu trí tuệ nhân tạo (AI) có thể cho phép máy bay không người lái tự hành sử dụng các dòng hải lưu để hỗ trợ điều hướng. Với cách tiếp cận này, máy bay không người lái không phải chiến đấu với dòng chảy.

Nghiên cứu được công bố trong Nature Communications vào tháng 12 8.

John O. Dabiri là Giáo sư Centennial về Hàng không và Kỹ thuật Cơ khí và là một trong những tác giả của nghiên cứu. 

“Khi chúng tôi muốn robot khám phá đại dương sâu thẳm, đặc biệt là trong bầy đàn, gần như không thể điều khiển chúng bằng cần điều khiển từ 20,000 feet trên bề mặt. Chúng tôi cũng không thể cung cấp cho họ dữ liệu về các dòng hải lưu địa phương mà họ cần điều hướng vì chúng tôi không thể phát hiện ra chúng từ bề mặt. Thay vào đó, tại một thời điểm nhất định, chúng ta cần máy bay không người lái trên đại dương để có thể tự đưa ra quyết định về cách di chuyển,” Dabiri nói.

Thử nghiệm AI

Các kỹ sư đã kiểm tra độ chính xác của AI bằng mô phỏng máy tính và nhóm đã phát triển một robot nhỏ chạy thuật toán trên chip máy tính, có thể cung cấp năng lượng cho máy bay không người lái trên biển trên Trái đất cũng như các hành tinh khác. Cuối cùng, họ có thể phát triển một hệ thống tự động theo dõi tình trạng của các đại dương trên hành tinh và hệ thống này sẽ thực hiện điều này bằng cách kết hợp với các bộ phận giả được phát triển trước đó để giúp sứa bơi theo mệnh lệnh. 

Để phương pháp này hoạt động, máy bay không người lái phải tự đưa ra quyết định về nơi sẽ đi và cách đến đó. Họ có thể sẽ phải dựa vào dữ liệu mà họ tự thu thập, dữ liệu này sẽ ở dạng thông tin về dòng nước mà họ đang trải qua.

Các nhà nghiên cứu đã sử dụng các mạng học tăng cường để giải quyết vấn đề này và họ đã viết phần mềm có thể chạy trên một bộ vi điều khiển nhỏ. 

Nhóm đã có thể sử dụng mô phỏng máy tính để dạy AI điều hướng. Người bơi mô phỏng chỉ có quyền truy cập vào thông tin về dòng nước tại vị trí ngay lập tức của nó, nhưng nó có thể nhanh chóng học cách khai thác các dòng xoáy trong nước để di chuyển về phía mục tiêu. 

Kiểu bay lượn này phổ biến ở đại bàng và diều hâu, chúng cưỡi các động cơ nhiệt trong không khí đồng thời lấy năng lượng từ các luồng không khí để di chuyển. Điều này cho phép chúng di chuyển về phía mục tiêu trong khi tiết kiệm năng lượng. 

Chiến lược điều hướng hiệu quả

Theo nhóm nghiên cứu, thuật toán học tăng cường của họ cũng có thể học các chiến lược điều hướng hiệu quả hơn so với các chiến lược được sử dụng bởi cá trong đại dương.

Dabiri cho biết: “Ban đầu, chúng tôi chỉ hy vọng AI có thể cạnh tranh với các chiến lược điều hướng đã được tìm thấy ở động vật bơi thực sự, vì vậy chúng tôi rất ngạc nhiên khi thấy nó học các phương pháp hiệu quả hơn nữa bằng cách khai thác các thử nghiệm lặp đi lặp lại trên máy tính.

Giờ đây, các nhà nghiên cứu sẽ xem xét thử nghiệm AI trên từng loại nhiễu loạn dòng chảy khác nhau mà nó sẽ gặp phải trong đại dương. Họ sẽ đạt được điều này bằng cách kết hợp kiến ​​thức về vật lý dòng chảy đại dương với chiến lược học tăng cường.

Peter Gunnarson là một sinh viên tốt nghiệp tại Caltech và là tác giả chính của bài báo.

Gunnarson nói: “Robot không chỉ học mà chúng ta còn học về các dòng hải lưu và cách di chuyển qua chúng.