Autonomous Robots for Ocean Sustainability

Bærekraftig utforskning og utnyttelse av havene krever undervannsroboter: Havene spiller en nøkkelrolle når det gjelder å adressere de globale utfordringene knyttet til global oppvarming, en økende befolkning og tilhørende behov for energi, mat og mineraler. For å kunne høste de marine ressursene på en bærekraftig måte og beskytte det biologiske mangfoldet i havene, kreves effektive, allsidige og autonome undervannsroboter. Eksisterende marin robotteknologi gir bare begrenset tilgang til verdenshavene: I dag utføres undervannsoperasjoner ved bruk av fjernstyrte (ROV) og autonome (AUV) undervannsfarkoster, og vi må velge mellom en robot med manipulatorarmer som kan gjøre intervensjonsoperasjoner (arbeidsklasse ROV), roboter som kan bevege seg over lange distanser (survey AUV), eller som kan gi tilgang til trange områder (observasjons-ROVer). Artikulerte intervensjons-AUVer (AIAUV) er en ny type, bio-inspirerte, marine roboter med en slanglignende, leddet kropp. Disse robotene har gode hydrodynamiske egenskaper slik at de kan bevege seg over lange distanser, samtidig som de kan stå stille i vannet og utføre intervensjonsoppgaver. Dessuten gir den slanke og fleksible kroppen svært god tilgang til trange områder. Vi anser AIAUV-konseptet som den beste plattformen for utviklingen av en virkelig autonom og allsidig undervannsrobot som kan utføre både observasjons- og intervensjonsoperasjoner i samme oppdrag; for eksempel kartlegge havbunnen og samle inn prøver, inspisere og reparere havmerder, eller finne og samle plast og annen forurensning av havene. Videre har de leddede robotene fordeler knyttet til datasyn og autonom situasjonsforståelse. AROS-prosjektet vil utvikle metoder for å oppnå høyere nivåer av autonomi for å kunne realisere potensialet til AIAUV-er til å oppnå kontinuerlig tilstedeværelse i havene for utforskning og bærekraft. Visuell persepsjon under vann krever at man kan håndtere både dårlig og raskt varierende belysning, samt redusert sikt på grunn av turbiditet i vannet. Verifisering av slike algoritmer er avgjørende for å kunne utføre sikre og effektive utforsknings- og intervensjonsoperasjoner under vann. Sannhetsdata spiller en viktig rolle i evalueringen av visuelle persepsjonsalgoritmer. Imidlertid er det veldig vanskelig, om i det hele tatt mulig, å skaffe sann data fra virkelige undervannsomgivelser. Ved bruk av et syntetisk 3D undervannsmiljø er imidlertid (nesten) alle parametere kjente og kontrollerbare, og geometriske sannhetsdata kan genereres nøyaktig. I AROS presenterer vi et undervannsmiljø - VAROS - som utgjør vår metode for å produsere svært realistiske undervannsvideoer og tilhørende sensordata med presise verdier, bygget på Blender-modellering og simuleringsprogramvare. VAROS muliggjør fysisk realistisk bevegelse av simulerte undervannsfarkoster, inkludert dynamisk bevegelig belysning. Posisjons- og orienteringssekvenser opprettes ved først å definere veipunkter for den simulerte undervannsfarkosten. Deretter brukes en dynamisk fartøysmodell og en diskret-tid styringsalgoritme til å generere en jevn fartøy-kurs som følger veipunktene. Denne kursen blir så samplet med en presis syntetisk IMU-samplingsrate på 200Hz. Undervannsomgivelsene gjengis visuelt ved hjelp av raytracing-metoden, som genererer fysiske realistiske bilder, inkludert direkte lys og indirekte volumetrisk spredning. VAROS-datasettet versjon 1 genererer bilder og data fra treghetsmåler (IMU) og dybdemåler, samt tilhørende sannhetsdata, dybdebilder og overflatenormal-bilder. Energi-autonomitet er fortsatt en utfordring for AUV-er. Batterikapasiteten begrenser driftstiden deres, mens en kablet energitilførsel ville begrense AUV-ens operasjonsområde og autonomi. Å forbedre energieffektiviteten til disse robotene vil være et betydelig skritt fremover mot målet om å designe energieffektive og -autonome AUV-er. Vi ønsker derfor å utforske ideen om å oppnå energiautonomi ved å utnytte energien som fins i bølger og havstrøm og andre hydrodynamiske effekter. For å oppnå dette, ønsker vi å utvikle et styringssystem som lar AIAUV-en holde en konstant, ønsket posisjon samtidig som den utfører en undulasjonsbevegelse nedstrøms. Som et første skritt utviklet vi et styringssystem som stabiliserer posisjonen til en AIAUV som beveger seg med en undulasjonsbevegelse i planet mot en tidsvarierende strøm. Eksisterende metoder for stabilitetsanalyse var ikke tilstrekkelig for å kunne analysere dette styringssystemet. Vi utviklet derfor ny Lyapunov-teori for uniform praktisk asymptotisk stabilitet (UPAS) og brukte dette for å løse problemet. Videre har vi utviklet algoritmer som lar roboten autonomt finne optimal posisjon for å maksimere energien som høstes, og for å stabilisere roboten i denne posisjonen.

The AROS researchers have previously developed the bioinspired marine robot AIAUV (Articulated Intervention-AUV) by combining the slender, multi-articulated body of snakes with propulsion provided by thrusters. This new marine robot is already well on its way towards disrupting subsea operations in the oil and gas industry. However, higher levels of autonomy and endurance are needed to fully realize the potential of AIAUVs for providing greener, safer and more cost-efficient operations and obtaining persistent presence in the oceans for ocean exploration and sustainability. AROS will close this knowledge gap. Specifically, we will combine the disciplines of engineering cybernetics, computer science and hydrodynamics, to achieve significant advances in the current state of the art of marine robotics and autonomy, with the goal of realizing true autonomy in underwater sensing, situational awareness, and motion planning, and to achieve unprecedented energy autonomy. The methods for underwater situational awareness will enable the AIAUV to understand, interpret and predict its surroundings. The energy efficient motion planning and the energy harvesting methods will enable extreme endurance and enlarge the areas covered beyond the capabilities of current marine robots. The project will educate five PhD candidates and more than 10 MSc students through six work packages addressing: WP1: Egomotion estimation and situational awareness for AIAUVs WP2: Next-best-view and 3D reconstruction for AIAUVs WP3: Flow sensing: Bio-inspired solutions for AIAUVs WP4: Motion planning: Redundancy resolution methods for AIAUVs WP5: Energy harvesting by AIAUVs. WP6: Simulation studies and experiments The results will be published in peer-reviewed papers at major international conferences and in top-ranked international journals.