Autonome Roboter revolutionieren die Walbeobachtung: effizientes Tracking und Begleitung von Walen mit AVATARS
BerlinProjekt CETI bemüht sich, unser Verständnis der Kommunikation von Pottwalen zu erweitern, indem es eine große Menge an Walschalle sammelt. Eine wesentliche Herausforderung besteht darin, vorherzusagen, wo ein Wal an die Oberfläche kommen wird, um die Datensammlung zu optimieren. Stephanie Gil und ihr Team haben eine neue Methode entwickelt, die diese Herausforderung mit Hilfe von autonomen Drohnen angeht. Ihre Forschung, veröffentlicht in Science Robotics, kombiniert sehr hochfrequente (VHF) Signalsensorik mit Reinforcement Learning, um genauer vorherzusagen, wann und wo Wale auftauchen werden.
Der AVATARS-Rahmen vereint zwei wesentliche Bestandteile.
- Autonomie: Optimiert die Drohnenpositionierung, um die Begegnungen mit Walen zu maximieren.
- Sensorik: Nutzt den Ankunftswinkel (AOA) von an Walen angebrachten Sensoren, um die Entscheidungsfindung zu unterstützen.
Diese Methode nutzt Daten von Luftdrohnen, Unterwassersensoren und Modellen des Walverhaltens, um Drohnen zu den Walen zu führen, sobald sie an die Oberfläche kommen. Diese Technologie könnte dazu beitragen, Kollisionen zwischen Schiffen und Walen zu verhindern, indem sie die Schiffe darüber informiert, wo sich die Wale befinden.
Projekt CETI nutzt ein System, das Wale überwacht und Drohnen zu ihnen lenkt, sobald sie an die Oberfläche kommen. Diese Methode verbessert die Datensammlung durch detaillierte Audio- und Videoaufnahmen des Verhaltens der Wale.
Der Einsatz von fortschrittlichen Systemen unterstützt Wissenschaftler bei der Erforschung von Walen und dem Schutz des Meereslebens. Diese Technologien ermöglichen eine genauere und schnellere Datenerfassung, wodurch Forscher besser verstehen können, wie Wale kommunizieren. Dies könnte zu neuen Erkenntnissen darüber führen, wie Wale miteinander sprechen und sozial interagieren, und somit Lücken in der Meeresbiologie schließen.
Künstliche Intelligenz und Roboter finden in der Meeresforschung Anwendung und zeigen, dass ähnliche Technologien in anderen Umweltstudien nützlich sein könnten. Verbesserte Sensoren und Entscheidungsprogramme ermöglichen es, in verschiedenen Bereichen wichtige Informationen zu sammeln und den Schutz der Biodiversität zu unterstützen.
Das Forschungslabor von Stephanie Gil erzielt Fortschritte bei der Bewältigung von Umweltproblemen durch interdisziplinäre Zusammenarbeit. Sie kombinieren künstliche Intelligenz, Meeresbiologie und Robotik, um besser zu verstehen, wie Tiere kommunizieren. Diese Arbeit gilt als Vorbild für zukünftige Forschungsprojekte.
Besuche die Website von Project CETI unter www.projectceti.org für weitere Informationen.
Die Studie wird hier veröffentlicht:
http://dx.doi.org/10.1126/scirobotics.adn7299und seine offizielle Zitation - einschließlich Autoren und Zeitschrift - lautet
Ninad Jadhav, Sushmita Bhattacharya, Daniel Vogt, Yaniv Aluma, Pernille Tonessen, Akarsh Prabhakara, Swarun Kumar, Shane Gero, Robert J. Wood, Stephanie Gil. Reinforcement learning–based framework for whale rendezvous via autonomous sensing robots. Science Robotics, 2024; 9 (95) DOI: 10.1126/scirobotics.adn7299Diesen Artikel teilen