基本方程將海洋機器人引導(dǎo)至最佳采樣點

觀察世界海洋越來越多地成為自主水下航行器(AUV)的任務(wù) - 海洋機器人旨在漂移，駕駛或滑行穿越海洋，而無需人工操作員的任何實時輸入。AUV可以幫助回答的關(guān)鍵問題是最具信息量的數(shù)據(jù)的采集地點，時間和內(nèi)容，以及如何最佳地到達采樣位置。

麻省理工學(xué)院的工程師現(xiàn)在已經(jīng)開發(fā)了數(shù)學(xué)方程組，可以預(yù)測為特定觀測任務(wù)收集的信息量最大的數(shù)據(jù)，以及到達采樣點的最佳方法。

與他們的方法中，研究人員可以預(yù)測哪一個變量，如速度的程度海洋電流在一定的位置，揭示了關(guān)于一些其它可變信息，如在所謂的一些其他位置的量溫度“互信息”。如果兩個變量之間的互信息程度很高，則AUV可以被編程為去某些位置來測量一個變量，以獲得關(guān)于另一個變量的信息。

該團隊使用他們的方程式和他們開發(fā)的海洋模型，稱為多學(xué)科模擬，估算和同化系統(tǒng)(MSEAS)，在海洋實驗中成功預(yù)測互信息領(lǐng)域并指導(dǎo)實際的AUV。

“并非所有數(shù)據(jù)都是平等的，”麻省理工學(xué)院機械工程系研究生Arkopal Dutt說。“我們的標(biāo)準(zhǔn)......允許自動機器精確定位傳感器位置和采樣時間，從而可以進行最豐富的測量。”

為了確定如何安全有效地達到理想的采樣目的地，研究人員開發(fā)出一種方法來幫助AUV利用不確定海洋的活動，通過預(yù)測“可達性前沿” - 海洋的動態(tài)三維區(qū)域，AUV將得到保證考慮到AUV的功率限制和海洋電流，在一定時間內(nèi)達到。該團隊的方法使車輛能夠沖浪電流，使其更接近目的地，并避免那些會使其偏離軌道的電流。

當(dāng)研究人員將他們的可達性預(yù)測與觀察阿拉伯海地區(qū)的實際AUV路線進行比較時，他們發(fā)現(xiàn)他們的預(yù)測與車輛能夠在很長一段時間內(nèi)導(dǎo)航的位置相匹配。

最終，該團隊的方法應(yīng)該幫助車輛以智能，節(jié)能的方式探索海洋。

機械工程研究生Deepak Subramani說：“自主海洋機器人是我們的偵察員，他們冒著波濤洶涌的大海為我們收集數(shù)據(jù)。” “我們的數(shù)學(xué)方程式可以幫助偵察員到達理想的位置，并通過智能地利用洋流來減少能源消耗。”

由麻省理工學(xué)院機械工程和海洋科學(xué)與工程教授Pierre Lermusiaux領(lǐng)導(dǎo)的研究人員將他們的研究結(jié)果發(fā)表在一篇論文中，很快將出現(xiàn)在由海洋雜志出版的系列叢書“海洋”中。研究。

除了Dutt和Subramani之外，Lermusiaux的團隊還包括Jing Lin，Chinmay Kulkarni，Abhinav Gupta，Tapovan Lolla，Patrick Haley，Wael Hajj Ali，Chris Mirabito和Sudip Jana，他們都來自機械工程系。

尋求最豐富的數(shù)據(jù)

為了驗證他們的方法，研究人員表明，他們可以成功地預(yù)測對于各種目標(biāo)提供最多信息的測量。例如，他們預(yù)測了最適合測試科學(xué)假設(shè)的觀測結(jié)果，了解海洋模型方程本身是否正確，估算海洋生態(tài)系統(tǒng)的參數(shù)，以及檢測海洋中相干結(jié)構(gòu)的存在。他們證實，他們的最佳觀察結(jié)果比平均觀察數(shù)據(jù)提供的信息量提高了50%至150%。

為了達到最佳觀測位置，AUV必須在海洋中航行。傳統(tǒng)上，機器人的規(guī)劃路徑已在相對靜態(tài)的環(huán)境中完成。但是通過海洋進行規(guī)劃是一個不同的故事，因為強大的水流和漩渦可以不斷變化，不確定，并推動車輛脫離預(yù)先規(guī)劃的路線。

因此，麻省理工學(xué)院的團隊從基本原則出發(fā)制定了路徑規(guī)劃算法。他們修改了現(xiàn)有的方程式，稱為Hamilton-Jacobi方程，以確定AUV的可達性前沿，或確保車輛在給定時間內(nèi)達到的最遠(yuǎn)周長。該等式基于三個主要變量：時間，車輛的特定推進約束和平流，或動態(tài)洋流的傳輸- 該組通過使用其MSEAS 海洋模型預(yù)測的變量。

通過新系統(tǒng)，AUV可以繪制出可行的最具信息性的路徑，并在不確定的海洋電流隨時間變化時調(diào)整其采樣計劃。在第一次大型開放海洋測試中，該團隊計算了印度洋自治浮標(biāo)和滑翔機的概率可達性前沿和最豐富的信息路徑，作為北阿拉伯海環(huán)流 - 自治研究(NASCar)辦公室的一部分。海軍研究(ONR)。

幾個月后，研究人員在麻省理工學(xué)院的辦公室工作，為ONR團隊提供每日可達性預(yù)報，以幫助指導(dǎo)水下航行器，并在此過程中收集最佳觀測結(jié)果。

“基本上睡不著覺，”Lermusiaux回憶道。“預(yù)測是三到七天，我們每天都會吸收數(shù)據(jù)并進行更新。我們做得非常好。平均而言，滑翔機和浮標(biāo)在我們預(yù)測的概率范圍內(nèi)達到了預(yù)期的水平。”

一時的真相得到了回報

Lermusiaux及其同事還利用他們的系統(tǒng)來規(guī)劃“時間最優(yōu)路徑” - 在預(yù)測的海洋當(dāng)前條件下，將在最短的時間內(nèi)將AUV送到某個位置的軌跡。

與麻省理工學(xué)院林肯實驗室和伍茲霍爾海洋研究所的同事一起，他們通過在Martha葡萄園附近的相同推進AUV之間舉行“比賽”來實時測試這些時間最佳路徑。在每場比賽中，一個AUV的航線由車隊的時間最優(yōu)路徑確定，而另一個AUV沿著距離到達同一目的地的最短距離的路徑確定。

“這很緊張 - 誰會贏?” Subramani回憶道。“經(jīng)過數(shù)學(xué)方程式和證明的理論發(fā)展，這對我們來說是真實的時刻。”

團隊的工作得到了回報。在每場比賽中，根據(jù)車隊預(yù)測運行的AUV首先達到目的地，比競爭對手AUV快15%。該團隊的預(yù)測幫助獲勝的AUV避免了有時會阻擋其他AUV的強電流。

“這太棒了，”庫爾卡尼說。“即使物理上兩條路徑距離不到一英里，按照我們的預(yù)測，行程時間減少了15%。這表明我們的路徑確實是時間最佳的。”

在其他應(yīng)用中，作為麻省理工學(xué)院塔塔技術(shù)與設(shè)計中心成員的Lermusiaux將應(yīng)用他的海洋預(yù)報方法來幫助指導(dǎo)印度沿海地區(qū)的觀測，其中車輛的任務(wù)是監(jiān)測漁業(yè)以提供潛在的低水平成本管理系統(tǒng)。

“AUV不是很快，它們的自主性不是無限的，所以你必須考慮到電流及其不確定性，并嚴(yán)格模擬事物，”Lermusiaux說。“這些自動系統(tǒng)的機器智能來自嚴(yán)格推導(dǎo)和合并控制理論，信息理論和機器學(xué)習(xí)的控制微分方程和原理。”