Tilbake til søkeresultatene

PETROMAKS2-Stort program petroleum

Autonomous subsea intervention (SEAVENTION)

Alternativ tittel: Autonom intervensjon subsea (SEAVENTION)

Tildelt: kr 10,0 mill.

Det er potensial for ytterligere verdiskaping i subsea petroleumsindustrien, men det er betydelige utfordringer som må løses. Subsea petroleumsanlegg blir utviklet for fjernere, dypere og kaldere områder, og næringen forventer at neste generasjon autonome ubemannede undervannsfartøy (ofte kalt "Unmanned Underwater Vehicle", UUV) vil "bo" ved slike undervannsanlegg. Riktig nivå av selvstendighet - eller "autonominivå" - for slike UUVer kan øke effektiviteten og sikkerheten til operasjoner, og et slikt autonominivå kan variere mellom og under operasjoner. Derfor er full autonomi (det vil si, full operatøruavhengighet) i mange tilfeller ikke et mål i seg selv - målet er å løse de rette oppgavene på riktig måte. Målet med SEAVENTION-prosjektet (autonome subSEA interVENTION) er å levere forskning og kompetanse som bygger på viktige områder for å gjøre det mulig for UUVer å forstå sitt miljø og operere på et riktig nivå av autonomi mens operatøren holdes i "loopen". Dette vil danne grunnlag for økt effektivitet og sikkerhet for operasjoner subsea. For å oppnå dette, vil vi bruke kamera og subsea 3D sensorer (sensorer som kan gi 3-dimensjonale data om UUVenes miljø) og utvikle metoder for at UUVer kan utnytte disse dataene for å forstå deres miljø. Videre vil vi utvikle teknikker for automatisert planlegging slik at UUVene kan planlegge operasjoner på egen hånd basert på deres forståelse av deres miljø. Vi vil også undersøke bruken av forsterket virkelighet ("augmented reality", AR) for UUV operatørbeslutningsstøtte. Med forsterket virkelighet er det mulig å slå sammen video og bilder fra den virkelige verden med virtuelle bilder (for eksempel kunne vi vise statusen til en pumpe på toppen av et bilde av pumpen). Med kompetanse- og teknologiutviklingen i SEAVENTION vil vi jobbe målrettet mot industriens behov for mer kostnadseffektive subsea-løsninger, økt konkurranseevne i petroleumsindustrien, økt sikkerhet og kompetansebygging tilpasset industriens behov. I SEAVENTION har vi tidligere levert resultater innen hvordan en 3D-sensor kan tilpasse sitt sensorprinsipp til turbiditeten (dvs. "mengden skitt") i vannet og en metode for høy-nøyaktighets automatisk kalibrering av sensorer ombord undervannsfartøy. Vi har utviklet simuleringsmiljø for effektiv testing og utvikling av nye styrings- og omgivelsesforståelsesmetoder for UUVer, og utviklet metoder for opptrening av maskinslæringsbaserte systemer ved å kombinere simulerte data med virkelige data. I den siste perioden har vi jobbet videre med 3D-sensing, maskinlæring og AI-basert planlegging, samt formidling av resultater. For dette formål har vi utviklet systemer for AI-planlegging i havbunnsoperasjoner. Spesielt har vi jobbet tett med industripartnerne for å spesifisere og analysere bransjerelevante subsea inspeksjons- og vedlikeholdsoperasjoner og overført slike operasjonsbeskrivelser til en AI-planleggings-kontekst. Videre har vi sammenlignet arkitekturer og planleggingsstrategier for AI-planlegging for de identifiserte undervannsoperasjonene. I denne sammenhengen har vi jobbet med metoder både innen klassisk AI og maskinlæring. Vi har også utviklet et system for autonome intervensjonsoperasjoner med robotarmer basert på "deep reinforcement learning". Systemet har blitt testet i både simulering og i eksperimenter. Og vi har gjort innledende undersøkelser angående hvordan man implementerer og bruker teknikker fra Explainable AI (XAI) på de utviklede maskinlæringsbaserte systemene. I tillegg har vi utviklet en testrigg for utvikling og testing av 3D-sensor-dataanalyse for deteksjon av gjenstander i grumsete vann. For dette formål har vi også produsert en innretning for å måle turbiditeten i vann, og vi har samlet et sett med undervanns 3D-sensordata som skal brukes til å utvikle metoder for deteksjon og 3D-lokalisering av objekter under vann som er relevante for subseaindustrien (f.eks. , "fiskehale"-håndtak). I samarbeid med andre prosjekter har vi dessuten designet, implementert og testet et maskinlæringsbasert robotsystem griping av gjenstander med kjent form / størrelse. Resultatene fra prosjektet er planlagt integrert i kurs ved Institutt for teknisk kybernetikk, NTNU, i 2021. I tillegg har vi presentert resultater fra prosjektet på for eksempel European Robotics Forum 2020 og OCEANS 2020 Singapore / virtuell konferanse. Equinor, TechnipFMC, Oceaneering, IKM Technology, NTNU og SINTEF er partnere i prosjektet. Det ledes av SINTEF. Prosjektwebside: https://www.sintef.no/seavention

SEAVENTION addresses the goals of the PETROMAKS2 programme by researching and developing competence, novel methods, algorithms and technology for autonomous subsea intervention. The project will develop technology for advanced perception and planning with deep learning capabilities that enables Unmanned Underwater Vehicles (UUV) to perform light intervention tasks semi- or fully autonomously (e.g., cleaning, valve manipulation), while ensuring that operators are kept in the loop. To this end, SEAVENTION will deliver research and competence building on robust subsea perception with active 3D sensors, automated planning for UUV intervention procedures and augmented reality for UUV operator decision support. This is to meet the subsea industry's need for 1) more cost-efficient subsea solutions (autonomous UUVs, reduced need for surface support vessels), 2) increased competitiveness of Norwegian petroleum-related industry (enable them to offer the solutions of the future), 3) increased safety (less personnel offshore with autonomous UUVs, safe UUV operations, less dependence on highly skilled/experienced operators through new decision support systems) and 4) competence-building adapted to the needs of the industry. The main research challenges encompass 1) how to achieve robust 3D object detection and localization subsea, 2) how to merge high-level AI with low-level control for robust subsea intervention, 3) how to achieve dynamic UUV motion planning and decision making under uncertainty, and 4) how to achieve augmented reality for shared intervention control - in order to ensure the right level of autonomy and operator involvement in different subsea operations. Hence full autonomy / operator independence is in many cases not a goal it in self - the goal is to solve the right tasks in the right way. Project results will be tested and demonstrated in state-of-the-art lab facilities and we target also to do sea trials and demonstrations.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Aktivitet:

PETROMAKS2-Stort program petroleum