Utilització d'intel·ligència artificial per localitzar i perseguir objectes mitjançant robòtica submarina

Abstract

L'exploració de l'última frontera de la Terra, l'oceà, cada vegada és de més importància a causa de les conseqüència que té l’activitat humana sobre el funcionament dels ecosistemes i la biodiversitat, com ara l'escalfament dels oceans i la disminució de les espècies, en major part relacionada amb el canvi climàtic i la sobrepesca, un problema social important que cal abordar. Des de microbis fins a grans depredadors, hi ha cada cop més evidència que la vida marina està formada per corrents oceànics de curta durada (0,1-10 km) que són difícils d'observar, modelar i explicar teòricament. Com aquests intensos corrents tridimensionals estructuren la productivitat i la diversitat dels ecosistemes marins és un tema de debat actiu. A més, la megafauna marina té un paper clau en el funcionament dels ecosistemes. No obstant això, un terç d'aquests animals estan en risc d'extinció. Estudis recents han demostrat la importància d'utilitzar plataformes robòtiques per avançar en l'estudi d'àrees clau de recerca marina com l'ecologia física i del moviment. Tot i així, hi ha una manca de coordinació total entre els vehicles, reduint-ne el rendiment i limitant-ne l'aplicabilitat, cosa que es podria solucionar amb l'aprenentatge automàtic (reinforcement learning). Un nou enfocament mitjançant l'ús de mètodes d'aprenentatge de reforç multi-agent (multi-agent reinforcement learning) per resoldre els problemes de coordinació de les flotes robòtiques marines, podria suposar un important pas endavant. Estic imaginant un futur on l’ús d’entorns de simulació i el machine-learning potenciarà l'ús de flotes robòtiques marines per abordar algun dels principals problemes socials, aportant noves idees per millorar la salut de l'oceà