Vea También
 |
| Un robot de vigilancia oceánica de Caltech, impulsado por la IA, puede aprender a navegar sin mandos a distancia ni ingenieros. Crédito: Caltech |
La navegación en presencia de un campo de flujo inestable de fondo es una tarea importante en una amplia gama de aplicaciones robóticas, como la prospección oceánica, la vigilancia de las comunidades animales de las profundidades marinas, la inspección con drones y el reparto en condiciones de viento. En estas aplicaciones, los robots solo pueden conocer su entorno inmediato o enfrentarse a corrientes variables en el tiempo, lo que limita el uso de técnicas de control óptimo.
Ingenieros de Caltech, ETH Zurich y Harvard están desarrollando una inteligencia artificial (IA) que permitirá a los drones autónomos utilizar las corrientes oceánicas como ayuda para su navegación en lugar de luchar contra ellas.
El equipo probó el rendimiento de la IA mediante simulaciones por ordenador y también desarrolló el CARL-Bot (Caltech Autonomous Reinforcement Learning Robot), un pequeño robot del tamaño de la palma de la mano que parece un cruce entre una cápsula de pastillas y un pulpo dumbo. Ejecuta el algoritmo en un minúsculo chip informático que podría alimentar drones marítimos tanto en la Tierra como en otros planetas.
El CARL-Bot tiene motores para nadar, está lastrado para mantenerse erguido y tiene sensores que pueden detectar la presión, la profundidad, la aceleración y la orientación. El objetivo es crear un sistema autónomo para vigilar el estado de los océanos del planeta. Los robots que ejecuten el algoritmo podrían incluso explorar los océanos de otros mundos, como Encélado o Europa.
En cualquiera de los dos casos, los drones tendrían que ser capaces de tomar decisiones por sí mismos sobre dónde ir y la forma más eficiente de llegar hasta allí. Para ello, los investigadores recurrieron a las redes de aprendizaje por refuerzo (RL). El equipo escribió un software que puede instalarse y ejecutarse en un Teensy, un microcontrolador de 2,4 por 0,7 pulgadas que solo consume medio vatio de energía.
Los algoritmos de IA de CARL-Bot pueden enseñarle a orientarse en función de los cambios en su entorno inmediato y de las experiencias pasadas. El CARL-Bot puede decidir ajustar su ruta sobre la marcha para maniobrar en torno a las corrientes turbulentas y llegar a su destino.
La IA tendría acceso a la información que podrían recoger un giroscopio y un acelerómetro a bordo, que son sensores relativamente pequeños y de bajo coste para una plataforma robótica. Este tipo de navegación es análoga a la forma en que las águilas y los halcones aprovechan las térmicas en el aire, extrayendo energía de las corrientes de aire para maniobrar hasta el lugar deseado con el mínimo gasto de energía. Sorprendentemente, los investigadores descubrieron que su algoritmo de aprendizaje por refuerzo podía aprender estrategias de navegación incluso más eficaces que las que se cree que utilizan los peces reales en el océano.
 |
| Caltech |
El equipo planea probar la IA en cada tipo diferente de perturbación del flujo que posiblemente encontraría en una misión en el océano para evaluar su eficacia en la naturaleza. El equipo está colocando el Teensy en un dron hecho a medida, el CARL-Bot. El CARL-Bot se dejará caer en un tanque de agua de dos pisos de altura recién construido en el campus de Caltech y se le enseñará a navegar por las corrientes oceánicas.
"No solo el robot aprenderá, sino que nosotros aprenderemos sobre las corrientes marinas y cómo navegar por ellas", dice Peter Gunnarson, estudiante de posgrado en Caltech y autor principal del artículo.
Fuentes, créditos y referencias:
Gunnarson, P., Mandralis, I., Novati, G. et al. Learning efficient navigation in vortical flow fields. Nat Commun 12, 7143 (2021). doi.org/10.1038/s41467-021-27015-y
Fuente: Caltech