Điện trên một hòn đảo bị mất. Để tìm ra chỗ đứt trong đường dây cáp điện ngầm, tàu sẽ kéo toàn bộ đường dây lên hoặc triển khai các phương tiện điều khiển từ xa (ROV) để di chuyển dọc theo đường dây. Nhưng điều gì sẽ xảy ra nếu một phương tiện tự hành dưới nước (AUV) có thể lập bản đồ đường dây và xác định chính xác vị trí sự cố để thợ lặn có thể sửa chữa?
Sự phối hợp giữa con người và robot dưới nước là trọng tâm của một dự án tại Phòng thí nghiệm Lincoln thuộc MIT, được tài trợ thông qua danh mục đầu tư nghiên cứu và phát triển nội bộ về hệ thống tự hành và được thực hiện bởi Nhóm Hệ thống và Công nghệ Dưới nước Tiên tiến. Dự án này nhằm mục đích tận dụng thế mạnh của con người và robot để tối ưu hóa các nhiệm vụ hàng hải cho quân đội Hoa Kỳ, bao gồm kiểm tra và sửa chữa cơ sở hạ tầng trọng yếu, tìm kiếm cứu nạn, ra vào cảng và các hoạt động rà phá thủy lôi.
"Thợ lặn và AUV thường không phối hợp với nhau dưới nước", nhà nghiên cứu chính Madeline Miller cho biết. "Các nhiệm vụ dưới nước cần con người thường là do chúng liên quan đến một số thao tác mà robot không thể thực hiện được, chẳng hạn như sửa chữa cơ sở hạ tầng hoặc vô hiệu hóa thủy lôi. Ngay cả ROV cũng khó phối hợp dưới nước trong các nhiệm vụ thao tác đòi hỏi kỹ năng cao vì các cánh tay robot không đủ linh hoạt".
Ngoài sự khéo léo vượt trội, con người còn rất giỏi trong việc nhận diện vật thể dưới nước. Tuy nhiên, con người làm việc dưới nước không thể thực hiện các phép tính phức tạp hoặc di chuyển nhanh, đặc biệt là khi mang theo thiết bị nặng; robot có lợi thế hơn con người về sức mạnh xử lý, khả năng di chuyển tốc độ cao và sức bền. Để kết hợp những thế mạnh này, Miller và nhóm của cô đang phát triển phần cứng và thuật toán cho việc điều hướng và nhận thức dưới nước - hai khả năng quan trọng để phối hợp hiệu quả giữa con người và robot.
Như Miller giải thích, thợ lặn có thể chỉ dựa vào la bàn và đếm nhịp đạp chân để định hướng. Với ít điểm mốc và điều kiện nước có thể đục ngầu do thiếu ánh sáng ở độ sâu hoặc sự hiện diện của vật chất sinh học trong cột nước, họ dễ dàng bị mất phương hướng và lạc lối. Để robot giúp thợ lặn định hướng, chúng cần nhận biết môi trường xung quanh. Tuy nhiên, trong điều kiện tối và nước đục, các cảm biến quang học (máy ảnh) không thể tạo ra hình ảnh, trong khi các cảm biến âm thanh (sonar) tạo ra hình ảnh thiếu màu sắc và chỉ hiển thị hình dạng và bóng của các vật thể trong khung cảnh. Việc thiếu các bộ dữ liệu hình ảnh sonar lớn, được dán nhãn đã cản trở việc huấn luyện các thuật toán nhận thức dưới nước. Ngay cả khi có dữ liệu, đại dương năng động có thể che khuất bản chất thực sự của các vật thể, gây nhầm lẫn cho trí tuệ nhân tạo. Ví dụ, một chiếc máy bay bị rơi vỡ thành nhiều mảnh, hoặc một chiếc lốp xe bị bao phủ bởi lớp hến dày đặc, có thể không còn giống một chiếc máy bay hay một chiếc lốp xe nữa.
"Mục tiêu cuối cùng của chúng tôi là tìm ra giải pháp cho việc định vị và nhận thức trong môi trường thám hiểm", Miller nói. "Đối với các nhiệm vụ mà chúng tôi đang xem xét, việc lập bản đồ khu vực trước đó là rất hạn chế hoặc không có. Ví dụ, đối với nhiệm vụ vào cảng, có thể bạn có bản đồ vệ tinh nhưng không có bản đồ dưới nước".
Về khía cạnh điều hướng, nhóm của Miller đã tiếp nối công việc do Nhóm Robot Hàng hải MIT, do John Leonard dẫn đầu , khởi xướng để phát triển các thuật toán phối hợp giữa thợ lặn và AUV. Với các thuật toán điều hướng của họ, nhóm của Leonard đã chạy mô phỏng trong điều kiện tối ưu và thực hiện thử nghiệm thực địa trên vùng nước lặng bằng cách sử dụng thuyền kayak có người chèo làm vật thay thế cho cả thợ lặn và AUV. Sau đó, nhóm của Miller đã tích hợp các thuật toán này vào một AUV phù hợp với nhiệm vụ và bắt đầu thử nghiệm chúng trong điều kiện đại dương thực tế hơn, ban đầu với một thuyền hỗ trợ đóng vai trò thay thế cho thợ lặn, và sau đó là với các thợ lặn thực sự.
"Chúng tôi nhanh chóng nhận ra rằng bạn cần nhiều khả năng cảm biến hơn trên thiết bị lặn khi tính đến ảnh hưởng của dòng hải lưu", Miller giải thích. "Với các thuật toán do MIT chứng minh, thiết bị chỉ cần tính toán khoảng cách, hay tầm hoạt động, đến thiết bị lặn theo định kỳ để giải quyết bài toán tối ưu hóa ước tính vị trí của cả thiết bị và thiết bị lặn theo thời gian. Nhưng với các lực thực tế của đại dương tác động lên mọi thứ, bài toán tối ưu hóa này nhanh chóng trở nên phức tạp".
Về khía cạnh nhận thức, nhóm của Miller đã phát triển một bộ phân loại AI có khả năng xử lý cả dữ liệu quang học và sonar trong quá trình thực hiện nhiệm vụ và yêu cầu sự can thiệp của con người đối với bất kỳ đối tượng nào được phân loại với độ không chắc chắn.
Vòng phản hồi này yêu cầu một modem âm thanh dưới nước để hỗ trợ liên lạc giữa thợ lặn và AUV. Tốc độ truyền dữ liệu hiện đại nhất trong liên lạc âm thanh dưới nước sẽ cần hàng chục phút để gửi một hình ảnh chưa nén từ AUV đến thợ lặn. Vì vậy, một khía cạnh mà nhóm đang nghiên cứu là làm thế nào để nén thông tin xuống mức tối thiểu để có thể sử dụng được, trong giới hạn của băng thông thấp và độ trễ cao của liên lạc dưới nước cũng như kích thước, trọng lượng và công suất thấp của phần cứng thương mại có sẵn (COTS) mà họ đang sử dụng. Đối với hệ thống nguyên mẫu của mình, nhóm đã mua chủ yếu các cảm biến COTS và xây dựng một tải trọng cảm biến có thể dễ dàng tích hợp vào AUV thường được Hải quân Hoa Kỳ sử dụng, với mục tiêu tạo điều kiện thuận lợi cho việc chuyển giao công nghệ. Ngoài các cảm biến sonar và quang học, tải trọng còn có một modem âm thanh để đo khoảng cách đến thợ lặn và một số bảng xử lý dữ liệu và tính toán.
Nhóm của Miller đã thử nghiệm AUV được trang bị cảm biến và các thuật toán xung quanh vùng ven biển New England - bao gồm cả ngoài khơi gần Portsmouth, New Hampshire, với các tàu nghiên cứu ven biển Gulf Surveyor và Gulf Challenger của Đại học New Hampshire (UNH) đóng vai trò thay thế cho thợ lặn, và trên sông Charles ở khu vực Boston, với một chiếc thuyền buồm của MIT Sailing Pavilion đóng vai trò thay thế.
"Những chiếc thuyền của UNH được trang bị tốt và có thể mô phỏng điều kiện đại dương thực tế. Nhưng việc giả vờ làm thợ lặn với một chiếc thuyền lớn thì khó. Với thuyền nhỏ, chúng ta có thể di chuyển chậm hơn và điều chỉnh chuyển động tương đối sao cho phù hợp với cách một thợ lặn và AUV điều hướng cùng nhau".
Mùa hè năm ngoái, nhóm nghiên cứu bắt đầu thử nghiệm thiết bị với các thợ lặn tại Trung tâm Nghiên cứu Great Lakes thuộc Đại học Công nghệ Michigan . Mặc dù các thợ lặn thiếu giao diện để truyền thông tin ngược lại cho AUV, mỗi người đều bơi với chiếc máy tính bảng nguyên mẫu hình ống của nhóm, được gọi là "tube-let". Tube-let được trang bị cảm biến áp suất và độ sâu, bộ đo quán tính (để theo dõi chuyển động tương đối) và modem đo khoảng cách - tất cả đều là các thành phần cần thiết để thuật toán điều hướng giải quyết bài toán tối ưu hóa.
"Một thách thức trong quá trình thử nghiệm là phối hợp chuyển động của thợ lặn và phương tiện, bởi vì chúng chưa thể phối hợp với nhau", Miller nói. "Một khi thợ lặn xuống dưới nước, sẽ không có sự liên lạc nào với nhóm trên mặt nước. Vì vậy, bạn phải lên kế hoạch vị trí đặt thợ lặn và phương tiện sao cho chúng không va chạm".
Nhóm nghiên cứu cũng tập trung giải quyết vấn đề nhận thức. Độ trong của nước ở Ngũ Đại Hồ vào thời điểm đó cho phép chụp ảnh dưới nước bằng cảm biến quang học. Caroline Keenan, nghiên cứu sinh tiến sĩ thuộc Chương trình Học giả Lincoln, làm việc chung tại Nhóm Hệ thống và Công nghệ Dưới nước Tiên tiến của phòng thí nghiệm và nhóm nghiên cứu của Leonard tại MIT, đã tận dụng cơ hội để phát triển công việc của mình về chuyển giao kiến thức từ cảm biến quang học sang cảm biến sonar. Cô đang nghiên cứu xem liệu các bộ phân loại quang học có thể huấn luyện các bộ phân loại sonar để nhận dạng các vật thể mà dữ liệu sonar không tồn tại hay không. Mục đích là để giảm bớt gánh nặng cho người vận hành trong việc gắn nhãn dữ liệu sonar và huấn luyện các bộ phân loại sonar.
Khi chương trình nghiên cứu được tài trợ nội bộ sắp kết thúc, nhóm của Miller hiện đang tìm kiếm nguồn tài trợ bên ngoài để hoàn thiện và chuyển giao công nghệ cho các đối tác.