We weten veel minder over de oceanen van de aarde dan over het oppervlak van de maan of Mars. De zeebodem is uitgehouwen met uitgestrekte canyons, torenhoge zeebodems, diepe loopgraven, en steile kliffen, waarvan de meeste als te gevaarlijk of ontoegankelijk worden beschouwd voor autonome onderwatervoertuigen (AUV) om te navigeren.

Maar wat als de beloning voor het doorkruisen van dergelijke plaatsen het risico waard was?

MIT-ingenieurs hebben nu een algoritme ontwikkeld waarmee AUV's de risico's en potentiële voordelen van het verkennen van een onbekende regio kunnen afwegen. Bijvoorbeeld, als een voertuig dat is belast met het identificeren van oliesijpelingen onder water een steile, rotsachtige geul, het algoritme zou het beloningsniveau kunnen beoordelen (de kans dat er een olielek in de buurt van deze greppel bestaat), en het risiconiveau (de kans op een aanrijding met een obstakel), als het een pad door de greppel zou nemen.

"Als we heel conservatief waren met ons dure voertuig, zeggen dat de overlevingskansen van het allergrootste belang waren, dan zouden we niets interessants vinden, "zegt Ayton. "Maar als we begrijpen dat er een afweging is tussen de beloning van wat je verzamelt, en het risico of de dreiging om naar deze gevaarlijke regio's te gaan, we kunnen bepaalde risico's nemen als het de moeite waard is."

Ayton zegt dat het nieuwe algoritme de afweging van risico versus beloning in realtime kan berekenen. terwijl een voertuig beslist waar het de volgende keer gaat verkennen. Hij en zijn collega's in het lab van Brian Williams, hoogleraar luchtvaart en ruimtevaart, implementeren dit algoritme en anderen op AUV's, met de visie om vloten van gedurfde, intelligente robotverkenners voor een aantal missies, inclusief het zoeken naar offshore olievoorraden, onderzoek naar de impact van klimaatverandering op koraalriffen, en het verkennen van extreme omgevingen analoog aan Europa, een met ijs bedekte maan van Jupiter die het team hoopt dat voertuigen ooit zullen doorkruisen.

"Als we naar Europa gingen en een zeer sterke reden hadden om aan te nemen dat er een observatie van een miljard dollar zou kunnen zijn in een grot of spleet, wat het sturen van een ruimtevaartuig naar Europa zou rechtvaardigen, dan zouden we absoluut het risico willen nemen om die grot in te gaan, "zegt Ayton. "Maar algoritmen die geen rekening houden met risico's zullen die mogelijk geschiedenisveranderende observatie nooit vinden."

Ayton en Williams, samen met Richard Camilli van de Woods Hole Oceanographic Institution, presenteren hun nieuwe algoritme deze week op de Association for the Advancement of Artificial Intelligence-conferentie in Honolulu.

Een gewaagd pad

Het nieuwe algoritme van het team is het eerste dat 'risicogebonden adaptieve steekproeven' mogelijk maakt. Er wordt een adaptieve bemonsteringsmissie ontworpen, bijvoorbeeld, om het pad van een AUV automatisch aan te passen, gebaseerd op nieuwe metingen die het voertuig doet terwijl het een bepaalde regio verkent. De meeste adaptieve bemonsteringsmissies die rekening houden met risico, doen dit meestal door paden te vinden met een concrete, aanvaardbaar risiconiveau. Bijvoorbeeld, AUV's kunnen worden geprogrammeerd om alleen paden in kaart te brengen met een kans op een botsing die niet groter is dan 5 procent.

Maar de onderzoekers ontdekten dat alleen rekening houden met risico de potentiële beloningen van een missie ernstig kan beperken.

"Voordat we op missie gaan, we willen het risico specificeren dat we bereid zijn te nemen voor een bepaald beloningsniveau, " zegt Ayton. "Bijvoorbeeld, als een pad ons naar meer hydrothermale bronnen zou leiden, we zouden bereid zijn om dit risico te nemen, maar als we niets gaan zien, we zouden bereid zijn om minder risico te nemen."

Het algoritme van het team neemt bathymetrische gegevens op, of informatie over de oceaantopografie, inclusief eventuele omringende obstakels, samen met de dynamiek en traagheidsmetingen van het voertuig, om het risiconiveau voor een bepaald voorgesteld pad te berekenen. Het algoritme neemt ook alle eerdere metingen op die de AUV heeft uitgevoerd, om de waarschijnlijkheid te berekenen dat dergelijke hoge-beloningsmetingen langs het voorgestelde pad kunnen voorkomen.

Als de risico-opbrengstverhouding aan een bepaalde waarde voldoet, vooraf door wetenschappers bepaald, dan gaat de AUV verder met het voorgestelde pad, het nemen van meer metingen die terugkoppelen naar het algoritme om het te helpen het risico en de beloning van andere paden te evalueren terwijl het voertuig vooruit rijdt.

De onderzoekers testten hun algoritme in een simulatie van een AUV-missie ten oosten van Boston Harbor. Ze gebruikten bathymetrische gegevens die tijdens een eerder NOAA-onderzoek uit de regio waren verzameld, en simuleerde een AUV-verkenning op een diepte van 15 meter door gebieden bij relatief hoge temperaturen. Ze keken hoe het algoritme de route van het voertuig plande onder drie verschillende scenario's van acceptabel risico.

In het scenario met het laagste acceptabele risico, wat betekent dat het voertuig alle gebieden met een zeer grote kans op aanrijdingen moet vermijden, het algoritme heeft een conservatief pad uitgestippeld, het voertuig in een veilige regio houden die ook geen hoge beloningen had - in dit geval hoge temperaturen. Voor scenario's met een hoger aanvaardbaar risico, het algoritme bracht moediger paden in kaart die een voertuig door een nauwe kloof voerden, en uiteindelijk naar een regio met hoge beloningen.

Het team voerde het algoritme ook door 10, 000 numerieke simulaties, het genereren van willekeurige omgevingen in elke simulatie om een ​​pad te plannen, en ontdekte dat het algoritme "intuïtief risico afweegt tegen beloning, alleen gevaarlijke acties ondernemen als de beloning dat rechtvaardigt."

Een riskante helling

Afgelopen december, Ayton, Willems, en anderen brachten twee weken door op een cruise voor de kust van Costa Rica, het inzetten van onderwaterzweefvliegtuigen, waarop ze verschillende algoritmen hebben getest, inclusief deze nieuwste. Voor het grootste gedeelte, de padplanning van het algoritme kwam overeen met die voorgesteld door verschillende geologen aan boord die op zoek waren naar de beste routes om olielekken te vinden.

Ayton zegt dat er een bepaald moment was waarop het risicogebonden algoritme bijzonder handig bleek. Een AUV baande zich een weg omhoog in een precaire inzinking, of aardverschuiving, waar het voertuig niet te veel risico's kon nemen.

"Het algoritme heeft een methode gevonden om ons snel in de malaise te krijgen, terwijl het het meest de moeite waard is, "zegt Ayton. "Het bracht ons op een pad dat, terwijl het ons niet hielp om olielekken te ontdekken, het heeft ons wel geholpen om ons begrip van het milieu te verfijnen."

"Wat echt interessant was, was om te zien hoe de machine-algoritmen begonnen te 'leren' na de bevindingen van verschillende duiken, en begonnen sites te kiezen die wij geologen aanvankelijk misschien niet hadden gekozen, " zegt Lori Summa, een geoloog en gastonderzoeker bij de Woods Hole Oceanographic Institution, die aan de cruise hebben deelgenomen. "Dit deel van het proces is nog in ontwikkeling, maar het was opwindend om te zien hoe de algoritmen de nieuwe patronen begonnen te identificeren uit grote hoeveelheden gegevens, en koppel die informatie aan een efficiënt, 'veilige' zoekstrategie."

In hun langetermijnvisie de onderzoekers hopen dergelijke algoritmen te gebruiken om autonome voertuigen te helpen omgevingen buiten de aarde te verkennen.

"Als we naar Europa zouden gaan en geen enkel risico wilden nemen om een ​​sonde te behouden, dan zou de kans op het vinden van leven zeer groot zijn, heel laag, "zegt Ayton. "Je moet een beetje risico nemen om meer beloning te krijgen, wat over het algemeen ook zo is in het leven."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.