Sommario
L’esplorazione degli oceani è una sfida costante, ma la robotica subacquea sta emergendo come uno strumento chiave. Con veicoli capaci di raggiungere profondità fino a 4.000 metri e l’uso dell’apprendimento automatico, siamo ora in grado di studiare fenomeni come la cattura di CO2 da parte degli organismi marini, che aiuta a regolare i cambiamenti climatici.
L’uso dell’apprendimento automatico nella robotica subacquea
Il nuovo lavoro rivela che l’apprendimento per rinforzo, ampiamente utilizzato nel campo del controllo e della robotica, permette ai robot subacquei di apprendere quali azioni eseguire in ogni momento per raggiungere un obiettivo specifico. Queste politiche di azione corrispondono o migliorano, in certe circostanze, i metodi tradizionali basati sullo sviluppo analitico.
Ottimizzazione della traiettoria dei veicoli
“Questo tipo di apprendimento ci permette di addestrare una rete neurale per ottimizzare un compito specifico, che sarebbe molto difficile da realizzare altrimenti. Ad esempio, siamo stati in grado di dimostrare che è possibile ottimizzare la traiettoria di un veicolo per localizzare e tracciare oggetti in movimento sott’acqua,” spiega Ivan Masmitjà, autore principale dello studio.
Monitoraggio in tempo reale attraverso una rete di robot
Questi progressi permetteranno di approfondire lo studio di fenomeni ecologici come la migrazione o il movimento di molte specie marine utilizzando robot autonomi. Inoltre, sarà possibile monitorare altri strumenti oceanografici in tempo reale attraverso una rete di robot.
Applicazione dell’intelligenza artificiale per la localizzazione accurata
Le tecniche acustiche a distanza permettono di stimare la posizione di un oggetto considerando le misurazioni della distanza prese in punti diversi. L’applicazione dell’intelligenza artificiale e, in particolare, dell’apprendimento per rinforzo, permette di identificare i punti migliori e, quindi, la traiettoria ottimale da eseguire dal robot.
Futura ricerca e applicazioni complesse
Per la ricerca futura, il team studierà la possibilità di applicare gli stessi algoritmi per risolvere missioni più complicate, come l’uso di più veicoli per localizzare oggetti, rilevare fronti e termocline o l’upwelling cooperativo delle alghe attraverso tecniche di apprendimento per rinforzo multi-piattaforma.
