Мы знаем гораздо меньше об океанах Земли, чем о поверхности Луны или Марса. По данным ученых, мировые океаны изучены от 2% до 5%. Морское дно покрыто обширными каньонами, высокими подводными горами, глубокими впадинами и отвесными скалами, большинство из которых считаются слишком опасными или недоступными для навигации автономных подводных аппаратов (АПА). А из 2,2 млн видов организмов мы знаем лишь 194 400 видов.
Инженеры Массачусетского технологического института (MIT) разработали алгоритм, который позволяет АПА взвешивать риски и потенциальные выгоды от изучения неизвестного региона. Например, если транспортное средство, в задачу которого входит идентификация подводных нефтяных утечек, приближается к крутой скалистой впадине, алгоритм может оценить уровень потенциальной выгоды (вероятность того, что вблизи этой впадины существует просачивание нефти) и уровень риска (вероятность столкновения с препятствием).
«Если бы мы были очень осторожны с нашим дорогим транспортным средством, заявив, что его живучесть превыше всего, мы бы не нашли ничего интересного», — сказал Бенджамин Айтон (Benjamin Ayton), аспирант факультета аэронавтики и космонавтики Массачусетского технологического института.
Также Бенджамин Айтон (Benjamin Ayton) сказал, что новый алгоритм может вычислять соотношение риска и потенциальной выгоды в режиме реального времени. Он и его коллеги из лаборатории профессора аэронавтики и космонавтики Брайана Уильямса, внедряют данный алгоритм в другие автономные подводные аппараты (АПА) с целью создания флота «смелых», интеллектуальных исследователей-роботов для ряда задач, включая поиск морских нефтяных месторождений, исследований влияния изменений климата на коралловые рифы и другое.
Большинство миссий по адаптивному отбору проб выполняют при нахождении путей с конкретным приемлемым уровнем риска. Например, АПА могут быть запрограммированы только на то, чтобы следовать по пути с вероятностью столкновения, которое не превышает 5%. Но исследователи обнаружили, что учет только риска может серьезно ограничить потенциальные выгоды миссии.
Исследователи проверили свой алгоритм в симуляции миссии АПА к востоку от Бостонской гавани. Они использовали батиметрические данные, собранные в регионе во время предыдущего исследования, и имитировали исследование АПА на глубине 15 м в регионах при относительно высоких температурах. Они рассмотрели, как алгоритм спланировал маршрут транспортного средства при трех различных сценариях приемлемого риска.
Команда также создала алгоритм с помощью 10 000 математических симуляций, генерируя случайные среды в каждой симуляции, с помощью которых планировали путь, и обнаружили, что алгоритм «меняет риск на потенциальную выгоду интуитивно, предпринимая опасные действия только тогда, когда это оправдано выгодой».
«Что было действительно интересно, так это наблюдать, как машинные алгоритмы начали «учиться» после получения результатов о нескольких погружениях и начали выбирать места, которые мы, геологи, возможно, не выбрали бы изначально, — сказала Лори Сумма (Lori Summa), геолог и исследователь из Океанографическое учреждения Вудс-Хоул. — Эта часть процесса все еще развивается, но было интересно наблюдать, как алгоритмы начинают выделять новые шаблоны из больших объемов данных и соединять эту информацию с эффективной и безопасной стратегией поиска».
В долгосрочной перспективе исследователи надеются использовать такие алгоритмы, чтобы помочь автономным транспортным средствам исследовать окружающую пространство уже за пределами Земли.
Это исследование было поддержано, в частности, Exxon Mobile в рамках Энергетической инициативы MIT и NASA.
