MIT’nin İnsan-Robot İşbirliğiyle Denizaltı Keşiflerinde Devrim

Dünyanın dört bir yanındaki adalara elektrik sağlayan denizaltı kabloları, arızalandığında ciddi sorunlara yol açabilir. Geleneksel yöntemler, gemilerin tüm kabloyu çekmesini veya uzaktan kumandalı araçların (ROV) kablo boyunca ilerlemesini gerektiriyor. Peki ya bu süreç, otonom sualtı araçları (AUV) ve dalgıçların işbirliğiyle daha hızlı ve verimli hale getirilebilirse?

MIT Lincol Laboratuvarı’nın İleri Denizaltı Sistemleri ve Teknoloji Grubu tarafından yürütülen bu projede, insan ve robotların yetenekleri birleştirilerek askeri ve altyapı görevlerinde devrim yaratılması hedefleniyor. Proje kapsamında, denizaltı kablolarının incelenmesi ve onarılması, kurtarma operasyonları, liman girişlerinin güvenliğinin sağlanması ve mayın temizleme gibi kritik görevlerde insan-robot takım çalışmasının optimize edilmesi amaçlanıyor.

İnsan ve Robotların Farklı Yetenekleri: Neden İşbirliği Şart?

Projenin baş araştırmacısı Madeline Miller, "Dalgıçlar ve AUV'ler genellikle su altında birlikte çalışmazlar" diyor. "İnsan müdahalesi gerektiren görevlerde genellikle robotların yapamayacağı bir şeyler vardır, örneğin altyapı onarımı veya mayınların etkisiz hale getirilmesi gibi. Hatta ROV'lar bile, özellikle hassas manipülasyon gerektiren durumlarda, yeterince çevik olmadıkları için zorluk yaratabilir."

Miller’a göre, dalgıçlar su altında son derece becerikli olsalar da, karmaşık hesaplamalar yapamazlar veya ağır ekipman taşırken hızlı hareket edemezler. Buna karşılık, robotlar işlem gücü, yüksek hızda hareket edebilme ve dayanıklılık açısından üstünlüğe sahiptir. Bu nedenle, proje kapsamında, insan ve robotların birbirlerinin zayıflıklarını telafi eden bir sistem geliştirilmesi hedefleniyor.

Denizaltı Navigasyonunda Yeni Bir Dönem: Algoritmalar ve Sensörler

Miller ve ekibi, sualtı navigasyonu ve algılama için gerekli donanım ve algoritmaları geliştiriyor. Miller, dalgıçların genellikle sadece bir pusula ve tekme sayısına dayanarak yol bulmaya çalıştığını belirtiyor. Işıksız ve bulanık ortamlarda, dalgıçlar kolayca yön kaybedebilir. Robotların ise bu noktada devreye girmesi gerekiyor.

Ancak sualtı ortamı, robotlar için de büyük zorluklar barındırıyor. Optik sensörler (kameralar), karanlık ve bulanık sularda görüntü oluşturamazken, akustik sensörler (sonar) sadece nesnelerin şekillerini ve gölgelerini gösterebiliyor. Bu durum, yapay zeka algoritmalarının eğitilmesini zorlaştırıyor. Örneğin, parçalanmış bir uçak enkazı veya midye kaplı bir lastik, yapay zekanın nesneleri tanımasını zorlaştırabiliyor.

Miller, "Sonuçta, keşif görevlerinde kullanılabilecek navigasyon ve algılama çözümleri geliştirmek istiyoruz" diyor. "Bu görevlerde, genellikle alanı önceden haritalamak mümkün olmuyor. Örneğin, liman girişlerinde sadece uydu haritalarımız olabilir, ancak sualtı haritamız bulunmayabilir."

Gerçek Okyanus Koşullarında Testler ve İyileştirmeler

Miller’ın ekibi, navigasyon algoritmalarını geliştirmek için önce MIT Deniz Robotları Grubu’nun çalışmalarını temel aldı. Bu grup, dalgıç-AUV takım çalışmasını simüle eden algoritmalar geliştirmişti. Miller’ın ekibi ise bu algoritmaları daha gerçekçi okyanus koşullarında test etmeye başladı. İlk olarak, destek tekneleriyle yapılan testlerde, dalgıçların yerini alacak şekilde ayarlamalar yapıldı. Ardından, gerçek dalgıçlarla yapılan testlere geçildi.

Miller, "Okyanus akıntılarının etkisini göz önünde bulundurduğunuzda, dalgıçların daha fazla sensör donanımına ihtiyacı olduğunu hızlıca fark ettik" diyor. "Optimal koşullarda çalışan algoritmalar, aracın dalgıcı belirli aralıklarla izleyerek konumunu tahmin edebiliyordu. Ancak gerçek okyanus koşullarında, akıntılar nedeniyle bu optimizasyon problemi hızla karmaşıklaşıyor."

Yapay Zekanın Sualtı Algılamasında İnsan Katkısı

Proje kapsamında, ekibin üzerinde çalıştığı bir diğer önemli alan ise algılama yeteneklerinin geliştirilmesi. Miller’ın ekibi, hem optik hem de akustik verileri gerçek zamanlı olarak işleyebilen bir yapay zeka sınıflandırıcısı geliştiriyor. Bu sistem, belirsizlik taşıyan nesneler için dalgıçlardan geri bildirim alıyor.

Miller, "Sınıflandırıcı, örneğin bir görüntü etrafında bir kutu çizerek dalgıca 'Bu bir lastik, ancak emin değilim. Ne düşünüyorsun?' diyebiliyor. Dalgıç da 'Evet, doğru tahmin etmişsin' veya 'Hayır, başka bir yere bak' şeklinde yanıt verebiliyor" diyor.

Ancak bu geri bildirim döngüsü, sualtı akustik modemleri aracılığıyla gerçekleşiyor. Günümüzdeki en gelişmiş akustik veri aktarım hızları, sıkıştırılmamış bir görüntünün AUV’den dalgıca iletilmesi için onlarca dakika gerektiriyor. Bu nedenle, ekibin üzerinde çalıştığı bir diğer önemli konu, düşük bant genişliği ve yüksek gecikme süresi koşullarında kullanılabilecek, minimum veriyle maksimum bilgiyi aktarabilen bir sistem geliştirmek.

Geleceğe Yönelik Adımlar ve Teknoloji Geçişi

Miller’ın ekibi, geliştirdikleri sensör donanımlı AUV’leri ve algoritmaları, ABD Donanması tarafından rutin olarak kullanılan araçlara entegre edilebilecek şekilde tasarladı. Prototip sistemlerinde, çoğunlukla ticari olarak temin edilebilen sensörler kullanıldı ve bu sensörler, AUV’lere kolayca entegre edilebilecek şekilde optimize edildi.

Miller, projelerinin geleceği hakkında şunları söylüyor: "Bu teknolojinin potansiyeli çok büyük. İnsan ve robotların birlikte çalışması, sualtı görevlerini daha güvenli, hızlı ve verimli hale getirebilir. Özellikle kritik altyapıların korunması ve acil durum müdahaleleri gibi alanlarda büyük fayda sağlayacak."