Los investigadores a bordo del buque de investigación Falkor del Schmidt Ocean Institute utilizaron robots submarinos autónomos, junto con el vehículo operado a distancia (ROV) SuBastian del Instituto, para adquirir 1.3 millones de imágenes de alta resolución del fondo marino en Hydrate Ridge, componiéndolos en el modelo 3D en color de alta resolución más grande conocido del fondo marino. Usando algoritmos de agrupación en clústeres no supervisados, identificaron puntos críticos biológicos dinámicos en los datos de la imagen para realizar estudios y muestreos más detallados mediante un vehículo operado a distancia.

Una expedición reciente dirigida por el Dr. Blair Thornton, con cátedras asociadas tanto en la Universidad de Southampton como en el Instituto de Ciencias Industriales, la Universidad de Tokio, demostró cómo el uso de la robótica autónoma y la inteligencia artificial en el mar puede acelerar drásticamente la exploración y el estudio de ecosistemas de aguas profundas de difícil acceso, como filtraciones de metano intermitentemente activas. Gracias al rápido análisis de datos de alto rendimiento en el mar, fue posible identificar puntos críticos biológicos en la región de Hydrate Ridge frente a la costa de Oregon, lo suficientemente rápido como para encuestarlos y muestrearlos, pocos días después de la encuesta de imágenes de vehículos submarinos autónomos (AUV). El equipo a bordo del buque de investigación Falkor utilizó una forma de inteligencia artificial, agrupación no supervisada, para analizar imágenes del fondo marino adquiridas por AUV e identificar áreas objetivo para estudios de AUV fotogramétricos más detallados y muestreo de puntos interactivos enfocados con ROV SuBastian.

Este proyecto demostró cómo la ciencia de datos moderna puede aumentar en gran medida la eficiencia de la investigación convencional en el mar, y mejorar la productividad de la exploración interactiva del fondo marino con el modo demasiado familiar de "tropezar en la oscuridad". "Desarrollar flujos de trabajo operativos totalmente nuevos es arriesgado, sin embargo, es muy relevante para aplicaciones como la monitorización del fondo marino, estudio del ecosistema y planificación de la instalación y desmantelamiento de la infraestructura del lecho marino, dijo Thornton.

La idea detrás de esta misión de Adaptive Robotics no era mejorar la estructura de cómo se hacen las cosas en el mar, sino simplemente para eliminar los cuellos de botella en el flujo de información y el procesamiento de datos mediante métodos computacionales e inteligencia artificial. Los algoritmos utilizados pueden producir rápidamente resúmenes simples de observaciones, y formar planes de despliegue posteriores. De esta manera, Los científicos pueden responder a cambios dinámicos en el medio ambiente y áreas objetivo que conducirán a las mayores operaciones, científico, o ganancias de gestión ambiental.

Se recolectaron más de 1.3 millones de imágenes del fondo marino y se analizaron algorítmicamente para encontrar puntos críticos biológicos y apuntarlos con precisión para muestreos y observaciones interactivas. Las imágenes iniciales del lecho marino de área amplia se adquirieron con un vehículo submarino "Ae2000f" utilizando cámaras de mapeo visual 3-D de gran altitud en sitios submarinos entre 680 y 780 metros de profundidad. El equipo internacional desplegó varios AUV, desarrollado por la Universidad de Tokio, que estaban equipados con tecnología de mapeo visual 3-D desarrollada conjuntamente por la Universidad de Sydney, Universidad de Southampton, y la Universidad de Tokio y el Instituto de Tecnología de Kyushu como parte de una colaboración internacional.

La conversión de las imágenes iniciales de la encuesta de área amplia en mapas tridimensionales del fondo marino y resúmenes de los tipos de hábitats a bordo. Falkor , permitió a los investigadores planificar las implementaciones robóticas posteriores para realizar imágenes visuales de mayor resolución, topografía medioambiental y química, y muestreo físico en áreas de mayor interés, particularmente en los puntos calientes efímeros de actividad biológica que se forman intermitentemente alrededor de filtraciones transitorias de metano. Diecinueve despliegues AUV y quince inmersiones con ROV se completaron en total durante la expedición, incluidas varias operaciones con varios vehículos.

Gracias al rápido procesamiento de datos, Se completó un mapa fotogramétrico de uno de los depósitos de hidratos de gas mejor estudiados. Se cree que esta es la reconstrucción en color tridimensional más grande del fondo marino, por zona, en el mundo, midiendo más de 118, 000 metros cuadrados o 11,8 hectáreas, y cubriendo una región de aproximadamente 500 x 350 metros. Mientras que la resolución media de los mapas obtenidos es de 6 mm, las áreas de mayor interés se mapearon con una resolución de un orden de magnitud mayor, lo que no hubiera sido posible sin la capacidad de apuntar de manera inteligente a los sitios de interés con estudios de imágenes de alta resolución y procesar los grandes volúmenes de datos adquiridos pocas horas después de su adquisición en el mar.

Normalmente, mapas como este tardarían varios meses en procesarse y solo después de la finalización de una expedición, momento en el que el equipo científico ya no está en el sitio, y es posible que los hábitats ya hayan evolucionado o hayan expirado. En lugar de, el equipo de investigación pudo componer los mapas en 3-D a bordo de Falkor pocos días después de la adquisición de las imágenes. El mapa compuesto se utilizó durante la expedición para planificar las operaciones, incluida la recuperación de instrumentos del fondo marino y fue invaluable para volver a visitar sitios específicos, como plumas de burbujas activas, haciendo que toda la operación sea más eficiente.

"Es bastante sorprendente ver áreas tan grandes del lecho marino cartografiadas visualmente, especialmente solo días después de que se recopilaron los datos sin procesar. No es solo el tamaño del mapa, sino también la forma en que pudimos usarlo para informar nuestras decisiones mientras aún estábamos en el sitio. Esto marca una diferencia real, ya que la tecnología permite visualizar áreas amplias con una resolución muy alta. y también identificar y apuntar fácilmente a áreas donde deberíamos recopilar datos. Esto no ha sido posible anteriormente, dijo Thornton.