基本方程將海洋機器人引導至最佳采樣點

觀察世界海洋越來越多地成為自主水下航行器(AUV)的任務 - 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可以幫助回答的關鍵問題是最具信息量的數據的采集地點，時間和內容，以及如何最佳地到達采樣位置。

麻省理工學院的工程師現在已經開發(fā)了數學方程組，可以預測為特定觀測任務收集的信息量最大的數據，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，稱為多學科模擬，估算和同化系統(tǒng)(MSEAS)，在海洋實驗中成功預測互信息領域并指導實際的AUV。

“并非所有數據都是平等的，”麻省理工學院機械工程系研究生Arkopal Dutt說。“我們的標準......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。

當研究人員將他們的可達性預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)現他們的預測與車輛能夠在很長一段時間內導航的位置相匹配。

最終，該團隊的方法應該幫助車輛以智能，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據。” “我們的數學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。”

由麻省理工學院機械工程和海洋科學與工程教授Pierre Lermusiaux領導的研究人員將他們的研究結果發(fā)表在一篇論文中，很快將出現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。

尋求最豐富的數據

為了驗證他們的方法，研究人員表明，他們可以成功地預測對于各種目標提供最多信息的測量。例如，他們預測了最適合測試科學假設的觀測結果，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，以及檢測海洋中相干結構的存在。他們證實，他們的最佳觀察結果比平均觀察數據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，并推動車輛脫離預先規(guī)劃的路線。

因此，麻省理工學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達到的最遠周長。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院的辦公室工作，為ONR團隊提供每日可達性預報，以幫助指導水下航行器，并在此過程中收集最佳觀測結果。

“基本上睡不著覺，”Lermusiaux回憶道。“預測是三到七天，我們每天都會吸收數據并進行更新。我們做得非常好。平均而言，滑翔機和浮標在我們預測的概率范圍內達到了預期的水平。”

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” - 在預測的海洋當前條件下，將在最短的時間內將AUV送到某個位置的軌跡。

與麻省理工學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。“經過數學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，根據車隊預測運行的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。”

在其他應用中，作為麻省理工學院塔塔技術與設計中心成員的Lermusiaux將應用他的海洋預報方法來幫助指導印度沿海地區(qū)的觀測，其中車輛的任務是監(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，并嚴格模擬事物，”Lermusiaux說。“這些自動系統(tǒng)的機器智能來自嚴格推導和合并控制理論，信息理論和機器學習的控制微分方程和原理。”