Nuevos métodos y software desarrollado en MIT (Massachusetts Institute of Technology – Instituto Tecnológico de Massachusetts) pueden predecir caminos óptimos para vehículos submarinos automátizados.
David L. Chandler, MIT News Office. Original (en inglés)
A veces el camino más rápido del punto A al punto B no es una línea recta: por ejemplo, si estás bajo el agua y lidiando con corrientes fuertes y cambiantes. Pero encontrando la mejor ruta en dichas situaciones es un problema monumentalmente complejo – especialmente si tratas de hacerlo no solo por un vehículo submarino, sino para un enjambre de ellos moviéndose todos hacia destinos separados.
Pero eso es exactamente lo que el equipo de ingenieros en el MIT encontraron como hacerlo, con resultados para ser presentados en Mayo en la Conferencia Internacional de Robótica y Automatización del IEEE (Institute of Electrical and Electronics Engineers). El equipo, liderado por Pierre Lermusiaux, Profesor Asociado Doherty en Utilización Oceánica, desarrolló un procedimiento matemático que puede optimizar la planeación de caminos para vehículos submarinos automatizados (AUVs – Automated Underwater Vehicles), aún en regiones con complejas líneas costeras y fuertes corrientes cambiantes. El sistema puede proveer caminos optimizados para el tiempo más corto de viaje o para el más mínimo uso de energía, o maximizar la recolección de datos que es considerada más importante.
Colecciones de AUVs propulsados y AUVs deslizados (también llamados gliders) son utilizados comúnmente estos días para mapeo e investigación oceanográfica, para reconocimiento militar y protección de puertos, o para mantenimiento de pozos petroleros profundos y respuestas de emergencia. Hasta ahora, flotas de hasta 20 AUVs han sido desplegadas, pero en los próximos años flotas mucho más largas podrían entrar en servicio, dice Lermusiaux, volviendo la tarea computacional de planear caminos óptimos mucho más compleja.
Él agrega que los intentos previos de encontrar caminos óptimos para vehículos submarinos eran o imprecisos e incapaces de lidiar con corrientes cambiantes y topografía compleja, o requerían mucho poder computacional que no podría ser aplicado a controlar enjambres de vehículos robóticos en tiempo real.
Mientras que los investigadores han estudiado dichos sistemas por muchos años, “lo que faltaba era la metodología y el algoritmo”, dijo – las matemáticas que permitieran a una computadora resolver dichos acertijos de planeación de caminos rigurosamente pero lo suficientemente rápidos para ser útiles en despliegues en el mundo real. “Por que los entornos oceánicos son tan complejos” dijo, “lo que faltaba era la integración de predicción oceánica, estimación oceánica, control y optimización” para planear caminos para múltiples vehículos en una situación que cambia constantemente. Eso es lo que el grupo “Sistemas de Simulación, Estimación y Asimilación Multidisciplinaria” (MSEAS – Multidisciplinary Simulation, Estimation, and Assimilation Systems) del MIT, liderado por Lermusiaux, ha desarrollado.
Las simulaciones del equipo han probado exitosamente el nuevo algoritmo en modelos de entornos muy complejos – incluyendo un área de las Filipinas entre miles de islas con complejas líneas costeras, aguas poco profundas y múltiples corrientes cambiantes. Simularon una flota virtual de 1,000 AUVs, desplegados de uno o más barcos y buscando diferentes objetivos. Aumentando la complicación, el sistema que diseñaron puede incluso tomar en consideración zonas “prohibidas” que el vehículo debe evitar y obstáculos fijos que pueden afectar tanto el vehículo submarino y el flujo de la corriente, e incluso obstáculos en movimiento, como barcos pasando.
Tomando ventaja del “paseo gratis” ofrecido por las corrientes, el vehículo usualmente sigue caminos sorprendentemente indirectos, serpenteando alrededor en bucles y espirales que a veces parecen un camino aleatorio. Eso es por que puede ser mucho más rápido andar a la deriva con una corriente y luego girar que tratar de cruzar linealmente, peleando con el flujo de la corriente todo el tiempo. En otros casos, el AUVs puede encontrar un camino más rápido o más eficiente energéticamente al elevarse sobre, o sumergirse debajo de, chorros, corrientes, remolinos y otras características oceánicas. Incertidumbres en las predicciones oceánicas – y como afectan a los caminos óptimos – también puede ser considerado.
Adicionalmente a encontrar caminos que son más rápidos o más eficientes, el sistema permite que enjambres de vehículos recolectores de datos, recolecten los datos más útiles en el menor tiempo posible, dice Lermusiaux. Estos acercamientos optimizadores de datos podrían ser útiles para monitorear la pesca o para estudios biológicos o ambientales.
Mientras la metodología y los algoritmos fueron desarrollados para entornos submarinos, Lermusiaux explica que sistemas computacionales similares podrían ser usados para guiar vehículos automatizados a través de cualquier tipo de obstáculos y flujos – como vehículos aéreos lidiando con vientos y montañas. Dichos sistemas podrían incluso ayudar potencialmente a robots médicos miniatura a navegar a través de el sistema circulatorio, dijo.
El algoritmo permite control y ajustes en tiempo real – como para rastrear una columna de contaminación a su fuente, o para determinar como se está dispersando. El sistema también puede incorporar funciones de evasión de obstáculos para proteger a los AUVs.
El equipo incluyó a los estudiantes graduados de ingeniería Tapovan Lolla y Mattheus Ueckermann, Konuralp Yigit, y a los científicos investigadores Patrick Haley y Wayne Leslie. El trabajo fue patrocinado por la Oficina de Investigación Naval y por el Programa Colegial de Becas Marinas del MIT.
Glen Gawarkiewicz, un científico en la Institución Oceanográfica Woods Hole quien no estuvo involucrado en esta investigación, dice, “Este trabajo es significativo. Trae rigor al problema difícil de diseñar patrones de muestra para vehículos autónomos. Conforme las capacidades y el número de vehículos autónomos se incrementa, esta metodología será una importante herramienta en la oceanografía y otros campos”.
Reimpreso con permiso de MIT News.
Fuente
http://web.mit.edu/ (en inglés)