Как роботы помогают бороться с токсичными водорослями
Вредоносное цветение водорослей в озерах — серьезная экологическая проблема, так как они производят крайне опасные токсины, способные загрязнять водные ресурсы и вредить другим организмам, включая людей. Биологи проверяют безопасность воды, собирая пробы с борта лодки, но получение релевантных данных — сложная задача, особенно для озер площадью в сотни квадратных километров.
Поскольку водоросли могут появиться где угодно, поиск оптимальных мест для отбора проб подобен поиску иголки в стоге сена.
В результате биологи сейчас определяют концентрацию водорослей методом проб и ошибок и с трудом прогнозируют новые очаги роста. Это затягивает обнаружение потенциально опасных водорослей и приводит к потере времени и сил в полевых условиях.
Компьютерные ученые и биологи из USC разработали метод, позволяющий автономным роботам находить лучшие места для отбора проб токсичных водорослей еще до прибытия ученых на место. Работа «Informative Path Planning to Estimate Quantiles for Environmental Analysis» была представлена на конференции IROS и доступна на сервере препринтов arXiv.
«В настоящее время многие роботы, используемые учеными в реальном мире, не обладают автономностью или адаптивностью», — отметила соавтор Изабель Раяс, аспирант по компьютерным наукам.
«Наша работа позволяет биологам легко указать, из каких типов зон они хотели бы собирать воду, а робот может затем целенаправленно проводить измерения с этой целью. Это экономит время и повышает эффективность сбора данных».
Поиск вредоносных водорослей
Калифорния хорошо знакома с вредоносным цветением водорослей, особенно в последние годы, когда изменение климата вызывает повышение температуры и нарушает водные системы. Озера, водохранилища и другие водоемы насыщены цианобактериями, способными вызывать токсичное цветение, что приводит к проблемам со здоровьем у жителей близлежащих районов.
Бороться с цветением, когда оно уже в полной силе, очень сложно. В некоторых случаях химикаты, используемые для обработки воды, могут даже усугубить проблему. Поэтому способность биологов отслеживать уровень цианобактерий — крайне важная задача.
Хотя роботы уже использовались для помощи биологам в поиске водорослей, они могли дать лишь общий обзор среды. По словам соавтора исследования Криса Деннистона, процесс также страдает от «проблемы курицы и яйца».
«Вы не знаете, что получите из пробы воды, и сложно выбрать место для отбора, потому что у вас нет предыдущих данных, — сказал Деннистон. — Трудно определить, какие места лучше измерить, не измерив их сначала».
Предварительная разведка
Роботы команды USC действуют как «предварительное обследование», чтобы изучить область до выезда биологов в поле. Хотя биологи уже использовали дроны в этом процессе, команда USC первой внедрила планирование для этой конкретной задачи в рутину роботов. Теперь робот будет активно искать следы цветения водорослей, исследуя озеро в соответствии с предпочтениями биологов.
Например, они могут попросить робота искать только места, соответствующие определенному «квантилю интереса» — в данном случае, зеленым пятнам, указывающим на концентрацию хлорофилла. Используя камеру на дроне или датчик хлорофилла на подводных аппаратах, это новое исследование фокусируется на том, как алгоритм может интеллектуально выбирать места для измерения концентрации токсичных водорослей на основе собранной информации.
Теперь, вместо того чтобы просто предоставлять ученым более детальную карту местности за счет беспорядочного обследования, роботы могут точно определять идеальные места для отбора проб. Это устраняет необходимость биологам совершать несколько выездов к озеру только для того, чтобы выяснить, где могут быть водоросли.
Модель проекта «умнее» типичных устройств, используемых биологами, потому что она поддерживает модель окружающей среды с помощью информативного планирования пути (IPP) — типа искусственного интеллекта, который определяет наиболее эффективный путь для автономной системы для достижения цели.
Используя IPP, оптимальный маршрут для робота по поиску водорослей постоянно обновляется на основе информации с его датчиков, что позволяет ему «импровизировать» с направлением движения на основе уже увиденного.
Каждый раз, когда дрон перемещается, он делает новые измерения, чтобы постепенно обновлять внутреннюю модель, которая определяет, куда двигаться дальше. Результатом является карта, которая четко показывает области, где концентрации водорослей были бы особенно близки к тем квантилям (уровням), которые важны для биологов. Другими словами — это идеальное место для отбора проб.
Исследователи проверили способность системы обнаруживать «зеленые пятна» водорослей, запуская дрон в поле.
«Преимущество использования роботов в том, что мы фокусируемся на сборе данных именно для тех типов локаций, которые интересуют этих ученых», — сказала Раяс, добавив, что они сейчас расширяют систему для работы с командами роботов для повышения эффективности. — «Это убирает часть догадок и дает более веские основания для выбора определенных мест».
Соавтор исследования, профессор Дэвид Карон, работал с Сукхатме над исследованиями, сочетающими биологию и компьютерные науки, более 15 лет.
«Как биолог, я хочу знать больше о том, что происходит в воде, — сказал Карон. — Все, что робототехника и компьютерные науки могут сделать, чтобы дать мне понимание — дополнительные глаза в воде, если хотите — очень ценно для меня».
По словам Карона, оценка водоемов требует огромных трудозатрат, поэтому все, что экономит время или усилия, будет полезным.
«Если я хочу что-то сказать о водоеме, мне нужно сесть в лодку, выйти в эту огромную среду, опустить в воду приборы и собрать пробы, — сказал Карон. — Просто недостаточно информации от чего-то вроде датчиков, чтобы сделать все измерения, которые мне хотелось бы».
Сукхатме подтвердил, что выгоду получают не только биологи, поскольку решение проблем из других областей может изменить подход компьютерных ученых к задачам.
«Крупные проблемы не укладываются в дисциплинарные границы — нужно мыслить нестандартно. Для меня, как компьютерного ученого и специалиста по робототехнике, сотрудничество с группой профессора Карона было образовательным опытом, — сказал Сукхатме. — Мы научились по-новому формулировать проблемы, что привело к решениям, которые никогда бы не пришли нам в голову ранее».
И Деннистон, и Раяс ценят работу с биологами, потому что она дала им возможность решать экологические проблемы с помощью компьютерных наук. Они считают, что их модель информативного планирования пути может быть применена в будущем и к другим видам обследований на суше.
«Я думаю, это действительно здорово, что у нас есть это сотрудничество с биологической лабораторией. Это дает нам понимание, почему мы делаем то, что делаем, и что это в интересах людей, — сказала Раяс. — Я начала работать над этим, потому что искала способ, с помощью которого робототехника может положительно влиять на окружающую среду».