El Proyecto CETI (Iniciativa de Traducción de Cetáceos) tiene como objetivo recopilar de millones a miles de millones de vocalizaciones de alta calidad y altamente contextualizadas para comprender cómo se comunican los cachalotes. Pero encontrar las ballenas y saber dónde emergerán para capturar los datos es un desafío, lo que dificulta conectar dispositivos de escucha y recopilar información visual.
Hoy, un equipo de investigación del Proyecto CETI dirigido por Stephanie Gil, profesora adjunta de Ciencias de la Computación en la Escuela de Ingeniería y Ciencias Aplicadas (SEAS) John A. Paulson de Harvard, ha propuesto un nuevo marco de aprendizaje por refuerzo con drones autónomos para encontrar cachalotes y predecir donde saldrán a la superficie.
La investigación se publica en Robótica científica.
Este nuevo estudio utiliza varios dispositivos de detección, como los drones aéreos del Proyecto CETI con capacidad de detección de señales de muy alta frecuencia (VHF) que aprovechan la fase de la señal junto con el movimiento del dron para emular un ‘conjunto de antenas en el aire’ para estimar la direccionalidad de los pings recibidos de CETI. etiquetas en ballenas. Demuestra que es posible predecir cuándo y dónde una ballena puede salir a la superficie utilizando estos diversos datos de sensores, así como modelos predictivos del comportamiento de inmersión de los cachalotes. Con esa información, el Proyecto CETI ahora puede diseñar algoritmos para determinar la ruta más eficiente para que un dron encuentre (o encuentre) una ballena en la superficie. Esto también abre posibles aplicaciones de conservación para ayudar a los barcos a evitar chocar con ballenas mientras se encuentran en la superficie.
Al presentar los vehículos autónomos para el seguimiento y encuentro de ballenas mediante teledetección, o marco AVATARS, este estudio desarrolla conjuntamente dos componentes interrelacionados de autonomía y detección: la autonomía, que determina los comandos de posicionamiento de los robots autónomos para maximizar los encuentros visuales con ballenas; y detección, que mide el ángulo de llegada (AOA) de las etiquetas de las ballenas para informar el proceso de toma de decisiones. Las mediciones de nuestro dron autónomo hasta las etiquetas en la superficie, el AOA acústico de los sensores submarinos existentes y los modelos de movimiento de ballenas de estudios biológicos previos de cachalotes se proporcionan como entradas para el algoritmo autónomo de toma de decisiones de AVATARS, que a su vez tiene como objetivo minimizar las oportunidades perdidas de encuentro con ballenas.
AVATARS es el primer desarrollo conjunto de detección VHF y toma de decisiones de aprendizaje reforzado para maximizar el encuentro de robots y ballenas en el mar. Con las aplicaciones de viajes compartidos se utiliza una aplicación bien conocida de encuentros en momentos críticos, que utiliza sensores en tiempo real para observar los caminos dinámicos y las posiciones de los conductores y pasajeros potenciales. Cuando un pasajero solicita un viaje, puede asignar un conductor para que se encuentre con él de la manera más eficiente y oportuna posible. El caso del Proyecto CETI es similar en el sentido de que rastrean a la ballena en tiempo real, con el objetivo de coordinar el encuentro del dron para encontrarse con la ballena en la superficie.
Esta investigación avanza en el objetivo del Proyecto CETI de obtener de millones a miles de millones de vocalizaciones de ballenas altamente contextualizadas y de alta calidad. La adición de diversos tipos de datos mejorará las estimaciones de ubicación y los algoritmos de enrutamiento, lo que ayudará al Proyecto CETI a alcanzar ese objetivo de manera más eficiente.
«Estoy emocionado de contribuir a este gran avance para el Proyecto CETI. Al aprovechar los sistemas autónomos y la integración avanzada de sensores, podemos resolver desafíos clave en el seguimiento y estudio de las ballenas en sus hábitats naturales. Esto no es solo un avance tecnológico, sino «También es un paso crítico para ayudarnos a comprender las complejas comunicaciones y comportamientos de estas criaturas», dijo Gil.
«Esta investigación es un hito importante para la misión del Proyecto CETI. Ahora podemos mejorar significativamente nuestra capacidad para recopilar un conjunto de datos de alta calidad y a gran escala sobre las vocalizaciones de las ballenas y el contexto de comportamiento asociado, lo que nos acerca un paso más a escuchar y traducir mejor lo que dicen los cachalotes», dijo David Gruber, fundador y líder del Proyecto CETI.
«‘Esta investigación fue una oportunidad increíble para probar nuestros sistemas y algoritmos en un entorno marino desafiante. Este trabajo interdisciplinario, que combina detección inalámbrica, inteligencia artificial y biología marina, es un excelente ejemplo de cómo la robótica puede ser parte de la solución para futuros descifrar el comportamiento social de los cachalotes», afirmó Ninad Jadhav, candidato a doctorado de la Universidad de Harvard y primer autor del artículo.
«Este proyecto brinda una excelente oportunidad para probar nuestros algoritmos en el campo, donde la robótica y la inteligencia artificial pueden enriquecer la recopilación de datos y acelerar la investigación para una ciencia más amplia en el procesamiento del lenguaje y la biología marina, protegiendo en última instancia la salud y el hábitat de los cachalotes», dijo Sushmita. Bhattacharya, investigador postdoctoral en el Laboratorio REACT de Gil en SEAS.
Más información:
