Sappiamo molto meno degli oceani della Terra di quanto sappiamo della superficie della luna o di Marte. Il fondo del mare è scolpito con ampi canyon, montagne sottomarine imponenti, trincee profonde, e scogliere a picco, la maggior parte dei quali sono considerati troppo pericolosi o inaccessibili per la navigazione dei veicoli subacquei autonomi (AUV).

Ma cosa accadrebbe se la ricompensa per aver attraversato tali luoghi valesse il rischio?

Gli ingegneri del MIT hanno ora sviluppato un algoritmo che consente agli AUV di valutare i rischi e i potenziali benefici dell'esplorazione di una regione sconosciuta. Ad esempio, se un veicolo incaricato di identificare le infiltrazioni di petrolio sottomarino si avvicinava a un ripido, fossato roccioso, l'algoritmo potrebbe valutare il livello di ricompensa (la probabilità che esista una infiltrazione di petrolio vicino a questa trincea), e il livello di rischio (la probabilità di urtare un ostacolo), se dovesse prendere un sentiero attraverso la trincea.

"Se fossimo molto prudenti con il nostro costoso veicolo, dicendo che la sua sopravvivenza era fondamentale soprattutto, allora non troveremmo nulla di interessante, " dice Ayton. "Ma se capiamo che c'è un compromesso tra la ricompensa di ciò che raccogli, e il rischio o la minaccia di andare verso queste pericolose geografie, possiamo correre certi rischi quando ne vale la pena."

Ayton afferma che il nuovo algoritmo può calcolare i compromessi tra rischio e rendimento in tempo reale, come un veicolo decide dove esplorare dopo. Lui e i suoi colleghi nel laboratorio di Brian Williams, professore di aeronautica e astronautica, stanno implementando questo algoritmo e altri su AUV, con la visione di schierare flotte di audaci, esploratori robotici intelligenti per una serie di missioni, compresa la ricerca di giacimenti petroliferi offshore, studiare l'impatto del cambiamento climatico sulle barriere coralline, ed esplorando ambienti estremi analoghi a Europa, una luna di Giove ricoperta di ghiaccio che il team spera che un giorno i veicoli possano attraversare.

"Se andassimo su Europa e avessimo una ragione molto forte per credere che potrebbe esserci un'osservazione da un miliardo di dollari in una grotta o in un crepaccio, che giustificherebbe l'invio di un veicolo spaziale su Europa, allora vorremmo assolutamente rischiare andando in quella grotta, " dice Ayton. "Ma gli algoritmi che non considerano il rischio non troveranno mai quell'osservazione che potrebbe cambiare la storia".

Ayton e Williams, insieme a Richard Camilli della Woods Hole Oceanographic Institution, presenteranno il loro nuovo algoritmo alla conferenza dell'Associazione per l'avanzamento dell'intelligenza artificiale questa settimana a Honolulu.

Un percorso audace

Il nuovo algoritmo del team è il primo a consentire il "campionamento adattivo limitato al rischio". Viene progettata una missione di campionamento adattivo, ad esempio, per adattare automaticamente il percorso di un AUV, sulla base di nuove misurazioni che il veicolo effettua mentre esplora una determinata regione. La maggior parte delle missioni di campionamento adattivo che considerano il rischio in genere lo fanno trovando percorsi con un concreto, livello di rischio accettabile. Ad esempio, Gli AUV possono essere programmati solo per tracciare percorsi con una possibilità di collisione che non superi il 5%.

Ma i ricercatori hanno scoperto che la sola contabilizzazione del rischio potrebbe limitare notevolmente le potenziali ricompense di una missione.

"Prima di andare in missione, vogliamo specificare il rischio che siamo disposti a correre per un certo livello di ricompensa, " dice Ayton. "Per esempio, se un sentiero ci portasse a più bocche idrotermali, saremmo disposti a correre questo rischio, ma se non vedremo niente, saremmo disposti a correre meno rischi".

L'algoritmo del team acquisisce dati batimetrici, o informazioni sulla topografia oceanica, compresi eventuali ostacoli circostanti, insieme alla dinamica del veicolo e alle misurazioni inerziali, per calcolare il livello di rischio per un determinato percorso proposto. L'algoritmo prende anche in tutte le misurazioni precedenti che l'AUV ha preso, per calcolare la probabilità che tali misurazioni ad alta ricompensa possano esistere lungo il percorso proposto.

Se il rapporto rischio/rendimento raggiunge un certo valore, determinato dagli scienziati in anticipo, poi l'AUV va avanti con il percorso proposto, prendendo più misurazioni che alimentano l'algoritmo per aiutarlo a valutare il rischio e la ricompensa di altri percorsi mentre il veicolo avanza.

I ricercatori hanno testato il loro algoritmo in una simulazione di una missione AUV a est del porto di Boston. Hanno utilizzato i dati batimetrici raccolti dalla regione durante una precedente indagine NOAA, e simulato un AUV esplorando a una profondità di 15 metri attraverso regioni a temperature relativamente elevate. Hanno esaminato come l'algoritmo ha pianificato il percorso del veicolo in tre diversi scenari di rischio accettabile.

Nello scenario con il rischio accettabile più basso, il che significa che il veicolo dovrebbe evitare tutte le regioni che avrebbero un'alta probabilità di collisione, l'algoritmo ha tracciato un percorso conservativo, mantenendo il veicolo in una regione sicura che non ha avuto ricompense elevate, in questo caso, alte temperature. Per scenari di rischio accettabile più elevato, l'algoritmo ha tracciato percorsi più audaci che hanno preso un veicolo attraverso una stretta voragine, e infine in una regione ad alta ricompensa.

Il team ha anche eseguito l'algoritmo fino a 10, 000 simulazioni numeriche, generare ambienti casuali in ogni simulazione attraverso i quali pianificare un percorso, e ha scoperto che l'algoritmo "scambia il rischio contro la ricompensa in modo intuitivo, intraprendere azioni pericolose solo se giustificate dalla ricompensa."

Un pendio rischioso

Lo scorso dicembre, Ayton, Williams, e altri hanno trascorso due settimane in crociera al largo della Costa Rica, spiegando alianti subacquei, su cui hanno testato diversi algoritmi, compreso questo più recente. Per la maggior parte, la pianificazione del percorso dell'algoritmo concordava con quelle proposte da diversi geologi di bordo che stavano cercando i percorsi migliori per trovare le infiltrazioni di petrolio.

Ayton dice che c'è stato un momento particolare in cui l'algoritmo legato al rischio si è rivelato particolarmente utile. Un AUV si stava facendo strada in un crollo precario, o frana, dove il veicolo non poteva correre troppi rischi.

"L'algoritmo ha trovato un metodo per farci superare rapidamente la crisi, pur essendo il più meritevole, " Ayton dice. "Ci ha portato su un percorso che, mentre non ci ha aiutato a scoprire le infiltrazioni d'olio, ci ha aiutato a perfezionare la nostra comprensione dell'ambiente".

"Ciò che è stato davvero interessante è stato osservare come gli algoritmi della macchina hanno iniziato a "apprendere" dopo i risultati di diverse immersioni, e ha cominciato a scegliere siti che noi geologi potremmo non aver scelto inizialmente, "dice Lori Summa, un geologo e investigatore ospite presso la Woods Hole Oceanographic Institution, che ha preso parte alla crociera. "Questa parte del processo è ancora in evoluzione, ma è stato emozionante vedere gli algoritmi iniziare a identificare i nuovi modelli da grandi quantità di dati, e associare tali informazioni a un efficiente, strategia di ricerca 'sicura'."

Nella loro visione a lungo termine, i ricercatori sperano di utilizzare tali algoritmi per aiutare i veicoli autonomi a esplorare ambienti oltre la Terra.

"Se siamo andati in Europa e non fossimo disposti a correre rischi per preservare una sonda, allora la probabilità di trovare la vita sarebbe molto, molto basso, " Dice Ayton. "Devi rischiare un po' per ottenere più ricompensa, che è generalmente vero anche nella vita."

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.