Teilprojekt 2: Suchalgorithmen für kooperierende Unterwasserfahrzeuge

Teilprojektleiter Prof. Dr. Lars Nolle
Teilprojektmitarbeiter Dr. Tarek El-Mihoub
Teilprojektvolumen 245.724 €
Fördermittelgeber Nds. Ministerium für Wissenschaft und Kultur - VW-Vorab/Wissenschaft für nachhaltige Entwicklung
Teilprojektlaufzeit 01/2017 bis 12/2020

Im Rahmen dieses Teilprojekts sollen Suchstrategien für autonome, kooperierende Unterwasserfahrzeuge (AUV) entwickelt werden, um beispielsweise unterseeische Schadstoffvorkommen zu finden, welche durch Fernerkundung zunächst grob erfasst und anschließend örtlich genauer lokalisiert werden müssen. Ein weiteres mögliches Szenario wären Schiffshavarien in unzugänglichen Seegebieten, bei denen gefährliche Substanzen in das Meer gelangen. AUV könnten kurzfristig in ein betroffenes Meeresgebiet verbracht werden und dabei helfen, beschädigte Container mit schädlichen Substanzen möglichst schnell zu lokalisieren und zu inspizieren. Besonders bei der Fernerkundung sind die infrage kommenden Seegebiete in der Regel zu groß, um sie systematisch innerhalb eines eng umrissenen Zeitrahmens mit sensorbestückten Unterwasserfahrzeugen absuchen zu können, so dass intelligente Suchstrategien und Konzepte benötigt werden, die den Suchaufwand auf ein praktikables Maß reduzieren können. 

Das Anwendungsszenario, welches im Rahmen des Projektes bearbeitet wird, besteht darin, mit einem Schwarm von AUV einen unterseeischen Grundwasseraustritt zu lokalisieren.  Dieses Szenario wurde in Zusammenarbeit mit dem Institut für Chemie und Biologie des Meeres (ICBM) der Universität Oldenburg definiert.

Abbildung 1: Simulierter Schwarm von AUV auf der Suche nach einer unterseeischen Schadstoffquelle
Abbildung 1: Simulierter Schwarm von AUV auf der Suche nach einer unterseeischen Schadstoffquelle

Um potenzielle Suchstrategien entwickeln und bewerten zu können, wird eine Simulation der Suchumgebung benötigt. Dies ermöglicht es, die Auswirkungen unterschiedlicher Störfaktoren auf die Leistungsfähigkeit der Suchstrategien zu untersuchen und zu bewerten, ohne Gefahr zu laufen, Fahrzeuge beim Testen zu verlieren. Zu diesen Störfaktoren gehören beispielsweise Kommunikationsausfälle und Lokalisierungsfehler der AUV. Mit Hilfe der gewonnenen Erkenntnisse können mögliche Strategien zur Vermeidung oder Verminderung der identifizierten negativen Effekte entwickelt werden.  Abbildung 1 zeigt drei simulierte AUV, die gemeinsam nach einer unterseeischen Schadstoffquelle (roter Punkt in Abbildung 1) suchen.

Abbildung 2: Erfolgreicher Suchlauf eines der entwickelten Algorithmen
Abbildung 2: Erfolgreicher Suchlauf eines der entwickelten Algorithmen

Motiviert durch den Erfolg populationsbasierter Suchmethoden bei der Lösung realer Probleme sollen diese Methoden der Künstlichen Intelligenz hinsichtlich ihrer Verwendbarkeit für die aktuelle Aufgabenstellung untersucht werden. Bei einem Einsatz solcher Suchalgorithmen müssen die Kontrollparameter der Algorithmen eingestellt werden, damit diese optimal an die Problemstellung angepasst sind. Es wurden verschiedene Algorithmen entwickelt und in Simulationen validiert. Abbildung 2 zeigt exemplarisch einen erfolgreichen Suchlauf eines der entwickelten Algoritmen, bei dem das AUV die Quelle erfolgreich innerhalb einer limitierten Suchzeit lokalisiert hat.

Abbildung 3: BlueROV 2 auf Testfahrt
Abbildung 3: BlueROV 2 auf Testfahrt

Der nächste Schritt besteht darin, diese Algorithmen auf der realen Hardwareplattform zu implementieren und zu testen. In diesem Projekt kommen BlueROV 2 als Hardwareplattform zum Einsatz, welche speziell für diese Aufgabe weiterentwickelt wurden. Die Abbildung 3 zeigt eines der eingesetzten Fahrzeuge während einer Probefahrt.

Logos