Drones Alimentados por IA Aproveitam Correntes Oceânicas para Navegação Autônoma

Engenheiros do Caltech, ETH Zurich e Harvard estão desenvolvendo inteligência artificial (IA) que permitirá drones autônomos usarem correntes oceânicas para auxiliar sua navegação, em vez de lutar contra elas.

"Quando queremos robôs para explorar o oceano profundo, especialmente em enxames, é quase impossível controlá-los com um joystick a 6.000 metros de distância na superfície. Também não podemos alimentá-los com dados sobre as correntes oceânicas locais que eles precisam para navegar porque não podemos detectá-las da superfície. Em vez disso, em certo ponto precisamos que drones oceânicos sejam capazes de tomar decisões sobre como se mover por conta própria", disse o Professor John O. Dabiri.

O desempenho da IA foi testado usando simulações computacionais, mas a equipe por trás do esforço também desenvolveu um pequeno robô do tamanho da palma da mão que executa o algoritmo em um minúsculo chip de computador que poderia alimentar drones marinhos tanto na Terra quanto em outros planetas. O objetivo seria criar um sistema autônomo para monitorar a condição dos oceanos do planeta, por exemplo, usando o algoritmo em combinação com próteses que desenvolveram anteriormente para ajudar águas-vivas a nadar mais rápido e sob comando. Robôs totalmente mecânicos executando o algoritmo poderiam até explorar oceanos em outros mundos, como Encélado ou Europa.

Em qualquer cenário, drones precisariam ser capazes de tomar decisões por conta própria sobre para onde ir e a maneira mais eficiente de chegar lá. Para isso, provavelmente terão apenas dados que eles mesmos podem coletar — informações sobre as correntes de água que estão experimentando no momento.

Para enfrentar este desafio, pesquisadores recorreram a redes de aprendizado por reforço (RL). Comparadas a redes neurais convencionais, redes de aprendizado por reforço não treinam em um conjunto de dados estático, mas sim treinam tão rápido quanto podem coletar experiência. Este esquema permite que existam em computadores muito menores. Para os propósitos deste projeto, a equipe escreveu software que pode ser instalado e executado em um Teensy — um microcontrolador de 6 cm por 1,8 cm que qualquer um pode comprar por menos de $30 na Amazon e usa apenas cerca de meio watt de potência.

Usando uma simulação computacional na qual o fluxo passado por um obstáculo na água criava vários vórtices movendo-se em direções opostas, a equipe ensinou a IA a navegar de forma que aproveitasse regiões de baixa velocidade no rastro dos vórtices para deslizar até a localização alvo com uso mínimo de energia. Para auxiliar sua navegação, o nadador simulado só tinha acesso a informações sobre as correntes de água em sua localização imediata, ainda assim aprendeu rapidamente como explorar os vórtices para deslizar em direção ao alvo desejado. Em um robô físico, a IA teria similarmente acesso apenas a informações que pudessem ser coletadas de um giroscópio e acelerômetro a bordo, que são sensores relativamente pequenos e de baixo custo para uma plataforma robótica.

Este tipo de navegação é análogo à forma como águias e falcões andam em termais no ar, extraindo energia de correntes de ar para manobrar para um local desejado com energia mínima. Surpreendentemente, os pesquisadores descobriram que seu algoritmo de aprendizado por reforço poderia aprender estratégias de navegação que são ainda mais eficazes do que aquelas que se acredita serem usadas por peixes reais no oceano.

A tecnologia ainda está em sua infância: atualmente, a equipe gostaria de testar a IA em cada tipo diferente de perturbação de fluxo que possivelmente encontraria em uma missão no oceano — por exemplo, vórtices giratórios versus correntes de maré — para avaliar sua eficácia na natureza. No entanto, ao incorporar seu conhecimento de física de fluxo oceânico dentro da estratégia de aprendizado por reforço, os pesquisadores visam superar esta limitação. Sua pesquisa prova a eficácia potencial de redes RL em abordar este desafio — particularmente porque podem operar em dispositivos tão pequenos. Para testar no campo, a equipe está colocando o Teensy em um drone personalizado apelidado de "CARL-Bot" (Robô de Aprendizado por Reforço Autônomo do Caltech). O CARL-Bot será solto em um tanque de água recém-construído de dois andares de altura no campus do Caltech e ensinado a navegar nas correntes do oceano.