이 작은 AI 구동 로봇은 바다를 탐험하는 법을 배우고 있습니다

바다는 크고 그것을 이해하려는 우리의 시도는 여전히 대체로 수면 깊습니다. 국립해양대기기구(National Oceanic and Atmospheric Organization)에 따르면 빅 블루의 약 80%는 "지도에 표시되지 않고, 관찰되지 않고, 탐험되지도 않았습니다."

선박은 바다에 대한 정보를 수집하는 주요 수단이지만 자주 보내는 데 비용이 많이 듭니다. 보다 최근에는 Argo floats라고 불리는 로봇 부표가 최대 6,500피트 깊이에서 다양한 측정을 수행하기 위해 위아래로 잠수하면서 해류와 함께 표류하고 있습니다. 그러나 Caltech의 연구실에서 나온 새로운 수중 로봇은 더 깊이 잠수하고 더 맞춤화된 수중 임무를 수행할 수 있습니다.

"우리는 다양한 유형의 작은 로봇 떼를 가져다가 추적, 기후 변화, 해양 물리학 이해를 위해 바다에 채우는 글로벌 해양 탐사 접근 방식을 상상하고 있습니다."라고 John O. Dabiri는 말합니다. California Institute of Technology의 항공 및 기계 공학 교수.

CARL-Bot(Caltech Autonomous Reinforcement Learning Robot)은 알약 캡슐과 덤보 문어 사이의 십자가처럼 보이는 손바닥 크기의 수생 로봇입니다. 헤엄치기 위한 모터가 있고, 직립 상태를 유지하기 위한 무게가 있으며, 압력, 깊이, 가속도 및 방향을 감지할 수 있는 센서가 있습니다. CARL이 하는 모든 일은 우표보다 작은 1메가바이트 프로세서가 내장된 마이크로컨트롤러에 의해 구동됩니다.

CARL은 Dabiri 연구실에서 나온 최신 해양 횡단 혁신 제품으로 Caltech 대학원생인 Peter Gunnarson이 집에서 만들고 3D 프린팅했습니다. COVID로 인해 2021년 초 Caltech의 실험실이 문을 닫았기 때문에 Gunnarson이 실행한 첫 번째 테스트는 욕조에서 이루어졌습니다.

현재 CARL은 여전히 원격으로 제어할 수 있습니다. 그러나 실제로 바다의 가장 깊은 부분에 도달하려면 손을 잡고 있을 수 없습니다. 즉, 연구원이 CARL에게 방향을 제시하지 않고 스스로 거대한 바다를 탐색하는 방법을 배워야 합니다.

Gunnarson과 Dabiri는 즉각적인 환경과 과거 경험의 변화를 기반으로 스스로 방향을 잡도록 가르칠 수 있는 CARL용 AI 알고리즘 개발을 도운 컴퓨터 과학자 Petros Koumoutsakos를 찾았습니다. 그들의 연구는 이번 주 Nature Communications에 발표되었습니다.

CARL은 거친 조류를 피해 목적지에 도달하기 위해 즉석에서 경로를 조정할 수 있습니다. 또는 리튬 이온 배터리의 "최소한의 에너지"를 사용하여 지정된 위치에 그대로 둘 수 있습니다.

CARL의 힘은 추억에 있습니다

Koumoutsakos가 개발한 일련의 알고리즘은 소형 로봇에 탑재된 길 찾기 계산을 수행할 수 있습니다. 알고리즘은 또한 소용돌이를 통과하는 방법과 같은 이전 만남에 대한 로봇의 메모리를 활용합니다. Dabiri는 "이 정보를 사용하여 향후 이러한 상황을 탐색하는 방법을 결정할 수 있습니다."라고 설명합니다.

CARL의 프로그래밍을 통해 이전 미션에서 취한 유사한 경로를 기억할 수 있으며 "반복적인 경험을 통해 더 적은 시간과 에너지로 바다 샘플링을 점점 더 잘할 수 있습니다"라고 Gunnarson은 덧붙입니다.

많은 기계 학습은 모든 데이터 포인트가 깨끗한 시뮬레이션에서 수행됩니다. 그러나 그것을 실제 세계로 옮기는 것은 지저분할 수 있습니다. 때때로 센서가 과부하 상태가 되어 필요한 모든 메트릭을 선택하지 못할 수 있습니다. Gunnarson은 "우리는 이제 막 실제 탱크에서 시험을 시작했습니다."라고 말합니다.

첫 번째 단계는 CARL이 반복 다이빙과 같은 간단한 작업을 완료할 수 있는지 테스트하는 것입니다. Caltech의 블로그에 있는 짧은 비디오는 로봇이 서투르게 움직이며 물 탱크에 뛰어드는 모습을 보여줍니다.

테스트가 진행됨에 따라 팀은 탐색을 위해 수평 전류를 생성할 수 있는 작은 제트가 있는 수영장과 같은 탱크에 CARL을 배치할 계획입니다. 로봇이 그곳을 졸업하면 용승과 하강 흐름을 모방할 수 있는 2층 높이의 시설로 이동할 것입니다. 그곳에서 주변 물이 사방팔방으로 흐르는 지역에서 일정한 깊이를 유지하는 방법을 알아내야 할 것이다.

“그러나 궁극적으로 우리는 현실 세계에서 CARL을 원합니다. 그는 둥지를 떠나 바다로 들어가 그곳에서 반복되는 시련을 통해 스스로 탐색하는 방법을 배우는 것이 목표가 될 것입니다.”라고 Dabiri는 말합니다.

테스트하는 동안 팀은 CARL 안팎의 센서도 조정합니다. "우리가 가진 질문 중 하나는 작업을 수행하기 위해 탑재할 수 있는 최소한의 센서 세트가 무엇인지였습니다."라고 Dabiri는 말합니다. 로봇이 LiDAR 또는 카메라와 같은 도구로 장식되면 "배터리를 교체해야 하기 전에 시스템이 바다에서 아주 오랫동안 갈 수 있는 능력이 제한됩니다."

센서 부하를 줄임으로써 연구원들은 CARL의 수명을 연장하고 pH, 염도, 온도 등을 측정하는 과학 장비를 추가할 수 있는 공간을 열 수 있었습니다.

CARL의 소프트웨어는 차세대 바이오닉 해파리에 영감을 줄 수 있습니다.

작년 초, Dabiri 그룹은 해파리의 움직임을 제어하기 위해 전기 자극을 사용하는 방법에 대한 논문을 발표했습니다. CARL에 유사한 기계 학습 알고리즘을 포함하는 칩을 추가하면 연구원이 바다에서 젤리를 더 잘 조종할 수 있습니다.

"이 탐색 알고리즘이 실제 살아 있는 해파리에서 어떻게 작동하는지 알아내는 데는 많은 시간과 노력이 필요할 수 있습니다."라고 Dabiri는 말합니다. 이와 관련하여 CARL은 궁극적으로 기계적으로 수정된 생명체에 들어갈 수 있는 알고리즘에 대한 테스트 용기를 제공합니다. 로봇 및 로버와 달리 이 젤리는 깊이 제한이 없습니다. 생물학자들은 수면 아래 약 30,000피트의 마리아나 해구에 존재할 수 있다는 것을 알고 있기 때문입니다.

CARL은 그 자체로 해양 모니터링에서 여전히 유용한 자산이 될 수 있습니다. 아르고 플로트와 같은 기존 장비와 함께 작동할 수 있으며, 해저 및 기타 깨지기 쉬운 구조물에 가까이 갈 수 있다는 점을 감안할 때 더 세밀하게 조정된 탐사를 수행하기 위해 단독 임무를 수행할 수 있습니다. 또한 물고기 떼와 같은 생물학적 유기체와 함께 추적하고 태그를 지정할 수 있습니다.

"미래에 10,000개 또는 100만 개의 CARL(우리는 그들에게 다른 이름을 부여할 것입니다)이 모두 바다로 나가 현재 단순히 접근할 수 없는 지역을 측정하여 시간을 확보하는 것을 상상할 수 있습니다. -바다가 어떻게 변하고 있는지에 대한 해결된 그림입니다.”라고 Dabiri는 말합니다. "그것은 기후 예측을 모델링하는 데 정말 필수적일 뿐만 아니라 바다가 어떻게 작동하는지 이해하는 데에도 필수적입니다."