Wie autonome Unterwasserfahrzeuge Taucher bei Reparaturen unterstützen

Die Suche nach einer beschädigten Stromleitung auf dem Meeresboden ist eine Herausforderung, die Taucher und ferngesteuerte Fahrzeuge oft an ihre Grenzen bringt. Doch was, wenn autonome Unterwasserfahrzeuge (AUVs) die Route der Leitung kartieren und Defekte präzise lokalisieren könnten? Genau an dieser Vision arbeitet ein Team des MIT Lincoln Laboratory.

Das Projekt, finanziert durch ein internes F&E-Portfolio zu autonomen Systemen, zielt darauf ab, die Stärken von Menschen und Maschinen in maritimen Einsätzen zu kombinieren. Dazu gehören kritische Infrastrukturprüfungen, Such- und Rettungseinsätze, Hafenüberwachung und Minenräumung. „Taucher und AUVs arbeiten bisher kaum zusammen, wenn es um Unterwasseroperationen geht“, erklärt Madeline Miller, leitende Forscherin des Projekts. „Einsätze, die menschliches Eingreifen erfordern, basieren meist auf Aufgaben, die Roboter nicht bewältigen können – etwa Reparaturen oder das Deaktivieren von Minen.“ Selbst ferngesteuerte Fahrzeuge stoßen bei präzisen Manipulationen an ihre Grenzen, da ihre Greifarme oft zu unpräzise sind.

Warum die Kombination von Mensch und Maschine die Effizienz steigert

Während Taucher über herausragende Fähigkeiten in der Objekterkennung und manuellen Geschicklichkeit verfügen, haben Roboter entscheidende Vorteile: Sie verarbeiten Daten blitzschnell, bewegen sich mit hoher Geschwindigkeit und halten extreme Bedingungen länger aus. Die Herausforderung liegt darin, diese Stärken gezielt zu nutzen. Das MIT-Team entwickelt daher Algorithmen und Hardware für Unterwasser-Navigation und -Wahrnehmung – zwei Schlüsselelemente für eine erfolgreiche Zusammenarbeit.

Navigation unter unsicheren Bedingungen: Die Suche nach Orientierung

Für Taucher ist die Orientierung unter Wasser eine ständige Herausforderung. Ohne präzise Landmarken und bei schlechter Sicht – verursacht durch Dunkelheit oder biologische Trübung – verlieren sie schnell die Orientierung. Kompasse und Zählungen von Flossenschlägen reichen oft nicht aus. Roboter hingegen müssen ihre Umgebung wahrnehmen können, um Taucher zu führen. Doch hier stoßen optische Sensoren wie Kameras an Grenzen, da sie in dunklen oder trüben Gewässern keine brauchbaren Bilder liefern. Akustische Sensoren (Sonar) erzeugen zwar nutzbare Bilder, doch diese zeigen nur Umrisse und Schatten ohne Farbinformationen.

KI-gestützte Objekterkennung: Zusammenarbeit in Echtzeit

Ein zentrales Problem ist die fehlende Datengrundlage für die Ausbildung von KI-Algorithmen unter Wasser. Selbst wenn ausreichend Daten verfügbar wären, verändern dynamische Bedingungen wie Strömungen oder Bewuchs die Erscheinung von Objekten – ein zerbrochener Flugzeugwrackteil oder ein mit Muscheln überwucherter Reifen ähnelt kaum noch dem Original. Das MIT-Team hat daher einen KI-Klassifikator entwickelt, der sowohl optische als auch Sonar-Daten in Echtzeit verarbeitet und unsichere Klassifizierungen an Taucher weiterleitet.

„Der Klassifikator könnte dem Taucher etwa ein Objekt mit einer Markierung anzeigen und fragen: ‚Ich glaube, das ist ein Reifen – stimmt das?‘“, erklärt Miller. „Der Taucher kann dann bestätigen oder korrigieren, was die KI lernt und ihre Genauigkeit verbessert.“ Diese bidirektionale Kommunikation erfordert spezielle Unterwasser-Akustikmodems, die Daten trotz extrem langsamer Übertragungsraten und hoher Latenz übermitteln können.

Praxistests in realen Gewässern: Von der Theorie zur Anwendung

Die Forscher haben ihre Technologien unter realistischen Bedingungen getestet – zunächst in den Küstengewässern von New England. Dabei nutzten sie sowohl Forschungsschiffe der University of New Hampshire als auch kleinere Boote auf dem Charles River in Boston als Stellvertreter für Taucher. „Die Bedingungen im offenen Ozean sind deutlich anspruchsvoller als in ruhigen Testgewässern“, so Miller. „Strömungen und unvorhersehbare Strömungsverhältnisse machen die Navigation zu einer echten Herausforderung.“

Ein weiterer Schwerpunkt liegt auf der Komprimierung von Daten für die Kommunikation. Da die Übertragung unkomprimierter Bilder Stunden dauern würde, arbeiten die Forscher an Methoden, um relevante Informationen auf ein Minimum zu reduzieren – ohne die Aussagekraft zu verlieren. Ihr Prototypsystem besteht aus handelsüblichen Sensoren und Rechenkomponenten, die sich leicht in bestehende AUVs der US-Marine integrieren lassen.

Ausblick: Autonome Systeme als unverzichtbare Partner

Das Projekt des MIT Lincoln Laboratory zeigt, wie autonome Systeme und menschliche Expertise Synergien schaffen können. „Unser Ziel ist es, Lösungen zu entwickeln, die in unvorbereiteten Umgebungen funktionieren – etwa bei Hafenüberwachungen, wo keine Vorab-Karten existieren“, betont Miller. Mit fortschreitender Entwicklung könnten solche Systeme nicht nur die Effizienz maritimer Einsätze steigern, sondern auch die Sicherheit von Tauchern erhöhen. Die nächsten Schritte umfassen weitere Tests unter Extrembedingungen und die Optimierung der KI-Algorithmen für komplexe Unterwasserlandschaften.