Amerikaanse onderzoekers ontwikkelen nieuwe methoden voor het volgen en ontmoeten van walvissen met behulp van robots.
Onderzoekers van Project CETI en Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) in Cambridge (Mass.) hebben een reinforcement learning-framework ontwikkeld. Het is bedoeld voor onderzoek naar de communicatie van walvissen met behulp van autonome robots, waarbij de waarneming van verschillende sensorstromen wordt gecombineerd.
CETI
Project CETI (Cetacean Translation Initiative) wil miljoenen tot miljarden hoogwaardige, sterk in een context geplaatste geluiden verzamelen om te begrijpen hoe walvissen communiceren. Maar het vinden van de walvissen en weten waar ze naar boven komen om de gegevens vast te leggen, is een uitdaging. Dat maakt het lastig om luisterapparaten te bevestigen en visuele informatie te verzamelen.
Het onderzoek maakt gebruik van verschillende sensorapparaten, onder meer van drones met VHF-detectiecapaciteit. De signaalfase samen met de beweging van de drone worden gebruikt om een 'antenne-array in de lucht' na te bootsen voor het schatten van de richting van ontvangen pings van door CETI op de dieren geplaatste tags. Het toont aan dat het mogelijk is om te voorspellen wanneer en waar een walvis aan de oppervlakte kan komen.
Daarbij wordt gebruik gemaakt van verschillende sensordata en voorspellende modellen van het duikgedrag van walvissen. Met die informatie kan Project CETI algoritmen ontwerpen voor de meest efficiënte route voor een drone om een walvis aan de oppervlakte te ontmoeten. Dit opent ook mogelijke toepassingen voor natuurbehoud om schepen te helpen walvissen te vermijden terwijl deze aan de oppervlakte zijn.
Avatars
Het onderzoek heeft geleid tot het Autonomous Vehicles for whAle Tracking And Rendezvous by remote Sensing (Avatars-framework). Het ontwikkelt twee onderling verbonden componenten van autonomie en detectie:
Metingen van de autonome drone naar tags aan de oppervlakte, akoestische AOA van bestaande onderwatersensoren en walvisbewegingsmodellen fungeren als input voor het autonome besluitvormingsalgoritme Avatars. Dat heeft tot doel gemiste ontmoetingsmogelijkheden met walvissen te minimaliseren. De walvisbewegingsmodellen zijn het resultaat van eerdere biologische studies van walvissen.
Avatars is de eerste gezamenlijke ontwikkeling van VHF-detectie en reinforcement learning besluitvorming om ontmoetingen van robots en walvissen op zee te maximaliseren. Project CETI volgt de walvis in real-time, met als doel de ontmoeting van de drone met de walvis aan de oppervlakte te coördineren. De toevoeging van diverse soorten gegevens zal locatieschattingen en routeringsalgoritmen verbeteren, waardoor Project CETI dat doel efficiënter kan bereiken.
Door autonome systemen en geavanceerde sensorintegratie te benutten, kan de weenschap belangrijke uitdagingen oplossen bij het volgen en bestuderen van walvissen in hun natuurlijke habitat. Dit is niet alleen een technologische vooruitgang, maar ook een cruciale stap om te helpen de complexe communicatie en het gedrag van deze dieren te begrijpen.
Dankzij dit onderzoek kan Project CETI de mogelijkheid om hoogwaardige en grootschalige datasets te verzamelen over walvisvocalisaties en de bijbehorende gedragscontext verbeteren. Hierdoor is de mensheid een stap dichter bij het beter luisteren naar en vertalen van wat walvissen zeggen.
Dit onderzoek was een goede kans om systemen en algoritmen te testen in een uitdagende mariene omgeving. Het interdisciplinaire werk combineert draadloze detectie, kunstmatige intelligentie en mariene biologie. Het is een goed voorbeeld van hoe robotica deel kan uitmaken van de oplossing voor het verder ontcijferen van het sociale gedrag van walvissen.
Met robotica en kunstmatige intelligentie is de data-acquisitie te verrijken. Het kan onderzoek voor bredere wetenschap in taalverwerking en mariene biologie versnellen. Uiteindelijk willen de wetenschappers de gezondheid en het leefgebied van walvissen beschermen.
Foto: PxHere