Los gliders o robots submarinos no tripulados están considerados hoy en día como herramienta imprescindible para la observación y el conocimiento del océano, aportando dos ventajas fundamentales respecto a los barcos oceanográficos: bajo coste y mayor celeridad en la toma de datos. Aunque los principales fabricantes están en Estados Unidos, también Europa está apostando fuerte por esta tecnología en constante evolución, y en este camino la Universidad de Las Palmas de Gran Canaria no se queda atrás y trabaja en la creación de algoritmos que doten de "inteligencia" a los gliders, de forma que sean capaces "de tomar sus propias decisiones".
Al frente de esta línea de trabajo se encuentra Daniel Hernández Sosa, investigador de la División de Robótica y Oceanografía Computacional del Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (Siani). El objetivo es aplicar técnicas de inteligencia artificial para conseguir que los gliders oceánicos, y otros vehículos no tripulados, incrementen sus capacidades operativas y sean capaces de abordar misiones de mayor duración y de forma autónoma.
A largo plazo, la meta es conseguir vehículos que sean capaces de tomar sus propias decisiones con vistas a maximizar la calidad de los datos suministrados a partir de un objetivo de alto nivel proporcionado por el usuario. "Se pretende que los vehículos sean capaces de tomar sus propias decisiones, reduciendo el nivel de intervención humana. De esta forma, los robots podrían llegar a detectar, de forma automática, posibles estructuras oceanográficas de interés, generando, también de forma autónoma, las trayectorias más adecuadas para su muestreo. Los científicos, descargados de esas tediosas tareas, podrían entonces concentrar sus esfuerzos en labores más productivas", afirmó Hernández Sosa.
Los investigadores de Robótica y Oceanografía Computacional ya han dado grandes pasos en la creación de algoritmos que solucionen los principales defectos de los gliders, su vulnerabilidad ante las duras condiciones del océano (corrientes, remolinos....).
Según explicó Daniel Hernández, profesor del Departamento de Informática y Sistemas y subdirector de Relaciones Institucionales y Movilidad en la Escuela de Ingeniería Informática, las principales ventajas de los planeadores autónomos submarinos es que tienen un elevado nivel de autonomía, lo que les permite abordar misiones de varios meses de duración en el mar. Utilizan un mecanismo de propulsión basado en controlar su flotabilidad emulando la función de la vejiga natatoria de los peces, generando ciclos verticales de inmersión y emersión que se convierten en desplazamiento horizontal por efecto de los planos de control que incorporan (aletas y timones).
"De esta forma, el vehículo describe un perfil de movimiento en dientes de sierra que sólo consume energía durante un corto periodo de tiempo al activar una pequeña bomba en superficie, para iniciar el tramo de descenso, y al alcanzar su máxima profundidad, para iniciar el tramo de ascenso". Por el contrario, el principal problema que presentan es su baja velocidad de desplazamiento, de un kilómetro por hora aproximadamente, lo que les hace especialmente vulnerables al efecto de las corrientes marinas.
En este sentido, la División de Robótica y Oceanografía Computacional del Siani ha trabajado en el diseño, programación y prueba de algoritmos que calculan de forma automática rutas para los planeadores que intentan sacar el máximo partido de las corrientes favorables a la misión a desempeñar intentando evitar en lo posible las contrarias. "Se trata de maximizar las posibilidades de éxito del vehículo en una misión particular. La entrada para estos algoritmos de planificación son los mapas de predicción de corrientes generados por diferentes modelos oceanográficos, tanto de escala regional como local", apuntó el profesor Hernández. Estos trabajos se han desarrollado en el marco de un proyecto financiado por la Agencia Canaria de Investigación, Innovación y Sociedad de la Información (Aciisi) y por fondos europeos FEDER.
Según destacó el investigador, las Islas constituyen un gran laboratorio natural para poner a prueba estas líneas de investigación. "El entorno canario resulta especialmente atractivo como escenario de prueba para los algoritmos de planificación por presentar una gran variedad de estructuras oceanográficas de pequeña y media escala que exhiben un comportamiento muy dinámico".
Entre dichas estructuras citó los giros oceánicos o remolinos que se generan de forma periódica al sur del Archipiélago y que juegan un papel relevante en importantes procesos físico-químicos que tienen lugar en el medio marino. "En este entorno, el comando manual del vehículo se vuelve mucho más complejo, por lo que la planificación automática de trayectorias son una herramienta fundamental si se quiere maximizar las posibilidades de realizar un muestreo adecuado de la estructura de interés".
Los algoritmos de planificación desarrollados por los investigadores de la ULPGC emplean métodos de optimización basados en inteligencia artificial. La revista científica Journal of Applied Soft Computing, ha publicado recientemente uno de estos trabajos, realizado en colaboración con el investigador Ales Zamuda de la Universidad de Maribor en Eslovenia, donde se comparan diferentes algoritmos evolutivos en la generación automática de rutas para gliders en el entorno de las islas. Para ello se empleó una técnica que consiste en simular un proceso de evolución natural, de manera que se generan multitud de algoritmos que son posteriormente evaluados. Los que muestran una mejor adaptación al problema son seleccionados para producir la siguiente generación, mientras que aquellos que ofrecen un peor rendimiento son descartados.
Para ello han utilizado millones de algoritmos y los han puesto a competir en problemas concretos de planificación en multitud de misiones alrededor e las Isla. Las simulaciones duran días completos, y el computador las va procesando hasta que genera los resultados finales: aquellos algoritmos que más aumentan las posibilidades de éxito del glider en una misión particular. "Aquí nosotros le estamos dando al vehículo la misión a desarrollar, pero el paso siguiente, en el que estamos empezando a caminar, es el de darle autonomía para que decida la propia misión, es decir, en lugar de tener investigadores dedicados a analizar el entorno del vehículo para ver si hay alguna cosa interesante que muestrear, por qué no pensar que la propia flota de vehículos será capaz de detectar automáticamente regiones de interés potencial", concluyó el científico.
