自动水下机器人和AI加快深海生态探索
2018年08月31日 由 浅浅 发表
364885
0
最近由南安普顿大学和东京大学工业科学研究所担任副教授的Blair Thornton博士领导的一次探险演示了如何在海上使用自动机器人和AI,以大大加快探索和研究难以到达的深海生态系统,如间歇性活跃的甲烷渗漏。
由于海上快速的高通量数据分析,在自主水下航行(AUV)成像调查后的几天内,可以快速地在俄勒冈州海岸的水合岭地区识别生物热点,以便对其进行调查和采样。研究船Falkor的团队使用一种AI,无监督聚类,分析AUV采集的海底图像,并确定目标区域,以进行更详细的摄影测量AUV调查和ROV SuBastian聚焦交互式热点采样。
这个项目展示了现代数据科学如何能够极大地提高海上常规研究的效率,并通过人们熟悉的在黑暗中摸索的模式提高交互式海底勘探的生产力。Thornton表示,“开发全新的操作工作流是有风险的,但它与海底监测、生态系统调查以及海底基础设施的安装和规划等应用息息相关。”
这种自适应机器人任务背后的想法不是要改善海上事物的结构,而只是为了消除使用计算方法和AI的信息流和数据处理的瓶颈。算法能够快速生成简单的观测摘要,并形成后续部署计划。通过这种方式,科学家可以应对环境中的动态变化,并针对将导致最大的运营,科学或环境管理收益的目标区域。
团队收集了超过130万个海底图像并进行了算法分析,以找到生物热点并精确定位它们以进行交互式采样和观测。最初的广域海底图像是使用水下航行器“Ae2000f”在680至780米深的水下站点使用高空3D视觉测绘相机获得的。国际团队部署了由东京大学开发的多个AUV,这些AUV配备了由悉尼大学,南安普顿大学,东京大学和九州技术学院联合开发的3D视觉制图技术。
将初始广域测量图像转换为Falkor上的三维海底地图和栖息地类型摘要,使研究人员能够规划随后的机器人部署,以便在最感兴趣的区域执行更高分辨率的视觉成像,环境和化学测量以及物理采样,特别是在短暂的甲烷渗漏周围间歇性形成的生物活动的热点。在探险期间共完成了19次AUV部署和15次ROV潜水,包括多次多车辆作业。
由于快速处理数据,完成了研究最好的天然气水合物沉积物之一的摄影测量图。这被认为是世界上海地最大的三维彩色重建,面积超过118000平方米(或11.8公顷),覆盖面积约500 x 350米。虽然获得的地图的平均分辨率为6毫米,但最感兴趣的区域的分辨率高出一个数量级,如果没有能够通过高分辨率成像调查和过程智能地定位感兴趣的地点,并在数小时内处理海上获得的大量数据,这是不可能实现的。
通常情况下,这样的地图需要几个月的时间来处理,并且只有在探险完成之后,此时科学团队不再在该地点,并且栖息地可能已经进化或改变。相反,研究团队能够在获取图像的几天内在Falkor上编写3D地图。在探险期间使用复合地图来规划作业,包括海底仪器的回收,并且对于重新访问特定地点(例如活动的气泡羽状流)非常宝贵,从而使整个作业更加高效。
Thornton表示,“将如此大的海底区域进行映射是非常了不起的,特别是在收集原始数据的几天之后。这不仅仅是地图大小的问题,还有我们用它来表达决策的方式。这带来了真正的不同,因为这项技术使得我们可以在非常高的分辨率下可视化范围,并且可以很容易地识别和定位我们应该收集数据的区域,这在以前是不可能的。”