Nyskapande metoder för valspaning med autonoma drönare: förbättrad datainsamling och säkerhet till havs
StockholmProjekt CETI arbetar med att förbättra vår förståelse av hur kaskelotter kommunicerar genom att samla in ett stort antal val-ljud. En central utmaning är att förutsäga var valar kommer att dyka upp, så att data kan samlas in effektivt. Stephanie Gil och hennes team har utvecklat en ny metod med hjälp av autonoma drönare för att lösa detta problem. Deras forskning, publicerad i Science Robotics, använder en kombination av mycket högfrekvent (VHF) signalavkänning och förstärkningsinlärning för att mer exakt förutsäga när och var valar kommer att komma upp till ytan.
AVATARS-ramverket kombinerar två viktiga delar.
- Autonomi: Bestämmer drönarens optimala position för att öka mötena med valar.
- Sensorer: Använder vinkeln från val-taggar för att underlätta beslutsfattande.
Denna metod utnyttjar data från drönare i luften, sensorer under vatten och modeller av valarnas beteende för att guida drönarna till valar när de kommer upp till ytan. Teknologin kan bidra till att förhindra att fartyg kolliderar med valar genom att varna dem för var valarna befinner sig.
Projekt CETI:s system övervakar valar och leder drönare till dem när de kommer upp till ytan. Denna metod förbättrar datainsamlingen genom att erbjuda detaljerade ljud- och videoinspelningar av valarnas beteende.
Att använda dessa avancerade system hjälper forskare att studera valar och skyddar det marina livet. De gör datainsamlingen mer exakt och snabbare, vilket hjälper forskare att förstå hur valar kommunicerar. Detta kan leda till nya upptäckter om hur valar pratar och interagerar socialt, vilket fyller i saknad information inom marinbiologi.
AI och robotar används inom marin forskning, vilket visar att liknande teknik kan bidra inom andra miljöstudier. Förbättrade sensorer och beslutsprogram kan utnyttjas i olika miljöer för att samla viktig information och främja skyddet av biodiversitet.
Stephanie Gils forskarteam gör framsteg i arbetet med miljöfrågor genom samarbete mellan olika vetenskapsgrenar. De kombinerar artificiell intelligens, marinbiologi och robotteknik för att bättre förstå djurens kommunikation. Detta projekt fungerar som en modell för framtida forskning.
Besök Project CETI:s webbplats på www.projectceti.org för mer information.
Studien publiceras här:
http://dx.doi.org/10.1126/scirobotics.adn7299och dess officiella citering - inklusive författare och tidskrift - är
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.adn7299Dela den här artikeln