I ricercatori a bordo della nave di ricerca Falkor dello Schmidt Ocean Institute hanno utilizzato robot subacquei autonomi, insieme al veicolo telecomandato dell'Istituto (ROV) SuBastian, acquisire 1,3 milioni di immagini ad alta risoluzione del fondale marino di Hydrate Ridge, componendoli nel più grande modello 3D a colori ad alta risoluzione conosciuto del fondale marino. Utilizzando algoritmi di clustering non supervisionati, hanno identificato punti critici biologici dinamici nei dati dell'immagine per indagini più dettagliate e campionamento da parte di un veicolo azionato a distanza.

Una recente spedizione guidata dal dottor Blair Thornton, titolare di cattedre associate sia presso l'Università di Southampton che presso l'Istituto di scienze industriali, l'Università di Tokyo, ha dimostrato come l'uso della robotica autonoma e dell'intelligenza artificiale in mare possa accelerare notevolmente l'esplorazione e lo studio di ecosistemi di acque profonde difficili da raggiungere, come filtrazioni intermittenti di metano attivo. Grazie alla rapida analisi dei dati ad alto rendimento in mare, è stato possibile identificare hotspot biologici nella regione di Hydrate Ridge al largo della costa dell'Oregon, abbastanza rapidamente per esaminarli e campionarli, entro pochi giorni dall'indagine di imaging sui veicoli subacquei autonomi (AUV). Il team a bordo della nave da ricerca Falkor utilizzato una forma di intelligenza artificiale, clustering non supervisionato, per analizzare le immagini del fondale marino acquisite da AUV e identificare le aree target per indagini AUV fotogrammetriche più dettagliate e il campionamento di hotspot interattivo mirato con ROV SuBastian.

Questo progetto ha dimostrato come la moderna scienza dei dati possa aumentare notevolmente l'efficienza della ricerca convenzionale in mare, e migliorare la produttività dell'esplorazione interattiva dei fondali marini con la fin troppo familiare modalità "inciampare nel buio". "Sviluppare flussi di lavoro operativi totalmente nuovi è rischioso, però, è molto rilevante per applicazioni come il monitoraggio dei fondali marini, indagine sull'ecosistema e pianificazione dell'installazione e della disattivazione dell'infrastruttura del fondale marino, " disse Thornton.

L'idea alla base di questa missione di Adaptive Robotics non era quella di capovolgere la struttura di come si fanno le cose in mare, ma semplicemente per rimuovere i colli di bottiglia nel flusso di informazioni e nell'elaborazione dei dati utilizzando metodi computazionali e intelligenza artificiale. Gli algoritmi utilizzati sono in grado di produrre rapidamente semplici riassunti di osservazioni, e formare successivi piani di distribuzione. Per di qua, gli scienziati possono rispondere ai cambiamenti dinamici nell'ambiente e nelle aree target che porteranno alla più grande operazione, scientifico, o guadagni di gestione ambientale.

Sono state raccolte e analizzate algoritmicamente più di 1,3 milioni di immagini del fondale marino per trovare punti critici biologici e mirarli con precisione per il campionamento e le osservazioni interattive. Le immagini iniziali di un'ampia area del fondale marino sono state acquisite con un veicolo sottomarino "Ae2000f" utilizzando telecamere di mappatura visiva 3D ad alta quota in siti sottomarini tra 680 e 780 metri di profondità. Il team internazionale ha schierato più AUV, sviluppato dall'Università di Tokyo, che erano dotati di tecnologia di mappatura visiva 3D sviluppata congiuntamente dall'Università di Sydney, Università di Southampton, e l'Università di Tokyo e il Kyushu Institute of Technology come parte di una collaborazione internazionale.

La conversione delle immagini iniziali dell'indagine su un'ampia area in mappe tridimensionali del fondale marino e riepiloghi dei tipi di habitat a bordo Falkor , ha permesso ai ricercatori di pianificare le successive implementazioni robotiche per eseguire immagini visive a risoluzione più elevata, indagini ambientali e chimiche, e il campionamento fisico nelle aree di maggior interesse, in particolare negli hotspot effimeri dell'attività biologica che si formano a intermittenza attorno a infiltrazioni transitorie di metano. Diciannove schieramenti AUV e quindici immersioni ROV sono state completate durante la spedizione, comprese diverse operazioni multi-veicolo.

Grazie al rapido trattamento dei dati, è stata completata una mappa fotogrammetrica di uno dei giacimenti di idrati di gas meglio studiati. Si ritiene che questa sia la più grande ricostruzione a colori 3D del fondale marino, per zona, nel mondo, misurando più di 118, 000 metri quadrati o 11,8 ettari, e copre una regione di circa 500 x 350 metri. Mentre la risoluzione media delle mappe ottenute è di 6 mm, le aree di maggior interesse sono state mappate con una risoluzione di un ordine di grandezza superiore, che non sarebbe stato possibile senza la capacità di indirizzare in modo intelligente i siti di interesse con rilievi di immagini ad alta risoluzione ed elaborare i grandi volumi di dati acquisiti entro poche ore dalla loro acquisizione in mare.

Normalmente, mappe come questa richiederebbero diversi mesi per essere elaborate e solo dopo il completamento di una spedizione, a quel punto il team scientifico non è più sul sito, e gli habitat potrebbero essersi già evoluti o scaduti. Anziché, il team di ricerca è stato in grado di comporre le mappe 3D a bordo di Falkor entro giorni dall'acquisizione delle immagini. La mappa composita è stata utilizzata durante la spedizione per pianificare le operazioni, compreso il recupero di strumenti del fondale marino ed è stato prezioso per la rivisitazione di siti specifici, come pennacchi di bolle attive, rendendo l'intera operazione più efficiente.

"È abbastanza sorprendente vedere aree così vaste del fondale marino mappate visivamente, soprattutto solo pochi giorni dopo la raccolta dei dati grezzi. Non è solo la dimensione della mappa, ma anche il modo in cui siamo stati in grado di usarlo per informare le nostre decisioni mentre eravamo ancora sul posto. Questo fa davvero la differenza in quanto la tecnologia consente di visualizzare ampie aree ad altissima risoluzione, e anche identificare e indirizzare facilmente le aree in cui dovremmo raccogliere dati. Questo non era possibile in precedenza, " disse Thornton.