El grup de recerca Visió per Computador i Robòtica (ViCOROB) de la Universitat de Girona (UdG) participa com a soci al projecte DeeperSense, finançat amb fons de la Unió Europea, amb l’objectiu de millorar la visibilitat dels vehicles submarins en situacions complexes. La percepció ambiental dels robots autònoms es pot veure afectada si les condicions de visibilitat són deficients, per exemple, si les aigües són tèrboles, en el cas de coves amb poca llum o en tancs de vaixells estrets. El projecte es desenvoluparà en el marc d’un consorci de recerca internacional, en col·laboració amb universitats i empreses d’Alemanya, Espanya i Israel.

“Les aplicacions dels sistemes robòtics són nombroses però, a la pràctica, hi ha una manca de tecnologies que permetin que els robots autònoms percebin els entorns complexos de manera exhaustiva”, explica l’investigador de ViCOROB, Rafael Garcia. Sensors visuals com les càmeres –que s’utilitzen per a tasques com la navegació autònoma, la manipulació, el mapeig i el reconeixement d’objectes– proporcionen informació detallada sobre l’entorn. Tanmateix, el seu rendiment depèn en gran mesura de les condicions de llum i visibilitat. D’altra banda, els sensors acústics permeten treballar independentment les condicions de visibilitat i generen dades d’imatge. Els inconvenients d’aquest sistema és que la resolució és significativament inferior a la de les càmeres, i la seva funcionalitat està molt limitada a distàncies curtes.

Robots autònoms en entorns complexos
El projecte Deep-Learning for Multimodal Sensor Fusion (DeeperSense) s’ha iniciat aquest any amb l’objectiu de millorar significativament la percepció ambiental dels robots de camp, sobretot en situacions complexes, com és el cas de l’entorn submarí. L’equip científic internacional treballa en tres àmbits: control de bussejadors en aigües tèrboles, exploració d’esculls de corall i cartografia de fons marins.

El laboratori de VICOROB lidera, en concret, l’aplicació d’aquesta innovació en la cartografia de fons submarins. La finalitat és habilitar un robot submarí autònom (AUV) per generar mapes precisos del fons marí. A dia d’avui, aquests reconeixements es realitzen amb vaixells però resulten molt cars i, a més, en la foscor d’aigües profundes, no és un sistema pràctic.

Aprenentatge intersensorial
DeeperSense es basa en el concepte general d’aprenentatge intersensorial, en què diversos sensors treballen conjuntament i aprenen entre ells. Es tracta d’un enfocament innovador: mitjançant la intel·ligència artificial (IA) i, en particular, l’aprenentatge profund com a mètode d’aprenentatge automàtic basat en dades, el sistema pretén combinar els punts forts dels sensors visuals i no visuals per optimitzar l’entorn i les capacitats de percepció més enllà de les prestacions que ofereixen els sensors de manera individual. “Això no només augmenta significativament el rendiment i la fiabilitat dels sistemes autònoms, sinó que també obre noves funcionalitats i aplicacions per a la robòtica”, afirma l’investigador de ViCOROB, Nuno Gracias. Amb l’ajuda del concepte DeeperSense, els sensors acústics aprendran a produir mapes anotats de diferents tipus de fons marí, tan detallats com ho farien càmeres amb bones condicions de visibilitat.

Al laboratori i en condicions reals
Durant el projecte, els socis generaran dades per als tres casos d'ús. Els algoritmes s’entrenaran amb aquestes dades i es provaran en condicions reals, tant al laboratori com en proves de camp, en aigües interiors, al mar Mediterrani i al mar Roig. Amb el temps, es podran optimitzar els algoritmes entrenats per al seu ús a bord de vehicles submarins a fi de permetre l'execució en temps real i donar suport al comportament del robot autònom. El consorci té la intenció de posar els resultats a disposició de la comunitat en bases de dades de recerca europees.