De kans op een rendez-vous met walvissen kan worden vergroot met behulp van AI-gestuurde drones. Walvissen spelen een belangrijke rol in het mariene ecosysteem en omdat walvispopulaties onder druk staan willen onderzoekers graag alles weten over hun gedrag en gezondheid. Onhandig daarbij is dat walvissen het grootste deel van hun tijd onder water doorbrengen en het lastig te voorspellen is waar en wanneer ze boven komen.
Om de kans op een succesvolle ontmoeting met een walvis te vergroten, hebben robotica-onderzoekers van Harvard autonoom vliegende drones uitgerust met een zelflerend routesysteem gecombineerd met input uit signalen uit radiobakens en akoestische sensoren. Ze werkten samen met biologen uit Canada en Denemarken. Hun studie is gepubliceerd in Science Robotics en is onderdeel van een groter onderzoeksproject dat als doel heeft walviscommunicatie te ‘vertalen’.
/s3/static.nrc.nl/images/gn4/stripped/data124030757-8f98ca.jpg|https://images.nrc.nl/6o_lWkbeJj513F_nPqKMKwOFii4=/1920x/filters:no_upscale()/s3/static.nrc.nl/images/gn4/stripped/data124030757-8f98ca.jpg|https://images.nrc.nl/EsnTHUW3dqRLyzbZAx5IxcRR0zw=/5760x/filters:no_upscale()/s3/static.nrc.nl/images/gn4/stripped/data124030757-8f98ca.jpg)
Arbeidsintensief
Tot nu toe is walvisonderzoek afhankelijk van menselijke observaties op zee en het gebruik van radiobakens die aan walvissen zijn bevestigd. Deze methodes zijn niet ideaal: observeren is arbeidsintensief en veel momenten van bovenkomen worden gemist, ook doordat de omstandigheden op zee ruw kunnen zijn. Radiobakens helpen, maar ze hebben een beperkte reikwijdte en veel dingen moeten met de hand gedaan worden.
De nieuwe methode laat meerdere drones samenwerken. Ze zijn uitgerust met sensoren en algoritmes die zijn ontworpen om walvissen zowel boven als onder water te volgen. Wanneer een walvis zich aan de oppervlakte bevindt, gebruiken de drones radiobakens die signalen uitzenden, waardoor de drones de locatie en richting van de walvis nauwkeurig kunnen vaststellen. Voor walvissen die onder water duiken, schakelen de drones over op akoestische sensoren, die de locatie van walvissen bepalen door te luisteren naar hun karakteristieke geluiden.
De vliegroute van de drones wordt aangestuurd door een systeem van kunstmatige intelligentie dat werkt op basis van zogenoemd rollout-based reinforcement learning. Dit algoritme stelt de drones in staat om voortdurend hun koers en snelheid aan te passen aan de hand van nieuwe gegevens over de walvislocaties. Dit vergroot de kans op een succesvolle drone-walvisontmoeting tijdens de korte momenten dat de walvissen aan de oppervlakte komen.
Speedboot en potvis
De methode is getest op vier kunstmatige walvissen – speedboten die walvisgedrag nadeden – en op drie potvissen die in het wild gevolgd zijn. Ze werden steeds door twee samenwerkende drones gevolgd en de onderzoekers rapporteren respectievelijk 80 procent en 68 procent succesvolle rendez-vous.
Er zijn wel allerlei technische beperkingen die opgelost moeten worden voor de drones daadwerkelijk ingezet kunnen worden. De afstand waarop de sensoren werken is met 500 tot 1.000 meter nog niet optimaal, walvissen leggen met gemak snel grote afstanden af. Ook is er meer mobiele computerkracht nodig om ze lange tijd in real time te kunnen volgen.
Desondanks is roboticus Haluk Bayram van de Medeniyet Universiteit in Istanbul enthousiast over de nieuwe aanpak, schrijft hij in een eveneens in Science Robotics verschenen commentaar. De gebruikte algoritmes zijn vernieuwend en de methode biedt allerlei mogelijkheden voor het monitoren van andere wilde diersoorten.
