Wenn auf einer Insel der Strom ausf\u00e4llt, kann es mit herk\u00f6mmlichen Methoden schwierig sein, einen Bruch im Unterwasserkabel zu lokalisieren. Bisher musste dazu die gesamte Leitung hochgezogen oder mit ferngesteuerten Fahrzeugen (ROVs) abgesucht werden. Aber was w\u00e4re, wenn es einen intelligenteren Ansatz g\u00e4be? Ein vom MIT Lincoln Laboratory geleitetes Projekt untersucht diese M\u00f6glichkeit und konzentriert sich auf die Entwicklung eines autonomen Unterwasserfahrzeugs (AUV), das die Leitung kartieren und die Fehlerstelle identifizieren kann. <\/p>\n
Dieses bahnbrechende Projekt ist Teil eines intern finanzierten Forschungs- und Entwicklungsportfolios, das sich auf autonome Systeme konzentriert und vom MIT betrieben wird. Gruppe f\u00fcr fortgeschrittene Unterwassersysteme und -technologie<\/a>. Seine Aufgabe ist es, maritime Missionen f\u00fcr das US-Milit\u00e4r zu optimieren, von der Inspektion und Reparatur kritischer Infrastrukturen bis hin zu Such- und Rettungsaktionen, Hafeneinfahrten und Minenr\u00e4umung. All dies geschieht durch die effektive Kombination der St\u00e4rken von Menschen und Robotern.<\/p>\n Die ideale Interaktion zwischen Mensch und Roboter unter Wasser stellt jedoch immer noch eine gro\u00dfe Herausforderung dar. \u201cTaucher und AUVs arbeiten unter Wasser in der Regel \u00fcberhaupt nicht zusammen\u201d, sagt die leitende Forscherin Madeline Miller. Aufgaben wie die Reparatur von Unterwasserinfrastrukturen oder die Entsch\u00e4rfung von Minen erfordern in der Regel die Beteiligung des Menschen, da selbst ROVs nicht mit der menschlichen Finesse mithalten k\u00f6nnen. Raue Bedingungen erschweren dem Menschen schnelle Bewegungen und komplexe mentale Berechnungen, trotz seiner hervorragenden F\u00e4higkeiten zur Objekterkennung. Roboter sind zwar nicht wendig, haben aber eine h\u00f6here Verarbeitungsleistung, eine schnellere Mobilit\u00e4t und eine bessere Ausdauer.<\/p>\n Um die F\u00e4higkeiten von Mensch und Roboter in Einklang zu bringen, entwickeln Miller und ihr Team Hardware und Algorithmen f\u00fcr die Unterwassernavigation und -wahrnehmung. Taucher haben oft nur einen Kompass zur Orientierung und z\u00e4hlen ihre Tritte, um die Entfernung zu bestimmen. Die fr\u00fche Orientierung kann bei tr\u00fcben Bedingungen eine Herausforderung sein. Die Roboter m\u00fcssen ihre Umgebung genau wahrnehmen, um die Taucher zu unterst\u00fctzen, aber optische Sensoren haben bei Dunkelheit und Wassertr\u00fcbung Probleme. Akustische Sensoren liefern ungenaue Bilder und heben nur Formen und Schatten hervor.<\/p>\n Trotz dieser Herausforderungen arbeitet das Team eifrig an L\u00f6sungen f\u00fcr die Navigation und Wahrnehmung an unbekannten Orten unter Wasser. Sie haben sich die Arbeit des MIT-Gruppe f\u00fcr Meeresrobotik<\/a>, unter der Leitung von John Leonard<\/a>, um Algorithmen zu entwickeln, die das Teaming zwischen Taucher und AUV f\u00f6rdern. Diese Algorithmen wurden in ein entsprechendes AUV implementiert und unter praktischen Meeresbedingungen erprobt, wobei ein Begleitboot als Taucherersatz verwendet wurde, bevor man mit echten Tauchern fortfuhr.<\/p>\n Erste Tests haben gezeigt, dass die Meeresstr\u00f6mungen mehr Erfassungsm\u00f6glichkeiten erfordern. Das Fahrzeug muss h\u00e4ufig die Entfernung zum Taucher bestimmen, um eine effektive Sch\u00e4tzung der Position \u00fcber die Zeit zu erhalten. Die realen Kr\u00e4fte im Meer erschweren jedoch die Optimierung.<\/p>\n Das Team arbeitet nun an einem KI-Klassifikator, der optische und Sonardaten w\u00e4hrend der Mission verarbeitet und bei unsicheren Klassifizierungen auf menschliche Eingaben zur\u00fcckgreift. Diese R\u00fcckkopplungsschleife erfordert ein akustisches Unterwassermodem f\u00fcr die Kommunikation zwischen Taucher und AUV. Die Unterwasserkommunikation stellt jedoch aufgrund der begrenzten Datenraten eine Herausforderung dar, die das Team dazu veranlasst, Datenkomprimierungstechniken innerhalb dieser Grenzen zu erforschen.<\/p>\n Ausf\u00fchrliche Tests mit Tauchern fanden an verschiedenen Orten an der K\u00fcste Neuenglands statt, darunter auch im offenen Meer bei Portsmouth, New Hampshire. Das Team nutzte die University of New Hampshire's Golf Vermesser<\/a> und Golf Challenger<\/a> k\u00fcstennahe Forschungsschiffe als Tauchersurrogate. Letzten Sommer schlie\u00dflich wurde die Ausr\u00fcstung mit echten menschlichen Tauchern am Institut der Michigan Technological University Forschungszentrum f\u00fcr die Gro\u00dfen Seen<\/a>.<\/p>\n Da sich dieses bahnbrechende Projekt seinem Ende n\u00e4hert, hofft das Team, externe Sponsoren zu finden, um seine Bem\u00fchungen fortzusetzen und seine Arbeit an milit\u00e4rische oder kommerzielle Partner weiterzugeben. Die Aufgabe ist gewaltig, denn unsere moderne Welt ist in hohem Ma\u00dfe auf Unterwasser-Telekommunikations- und Stromkabel angewiesen. Um diese Kabel vor St\u00f6rungen zu sch\u00fctzen und den strategischen Vorteil der USA unter Wasser aufrechtzuerhalten, bedarf es einer Kombination aus hochwertiger k\u00fcnstlicher Intelligenz und menschlichen F\u00e4higkeiten. <\/p>\n Wenn Ihr Unternehmen die KI-Automatisierung erforscht, besuchen Sie implementi.ai<\/a> um potenzielle Chancen aufzudecken. Ausf\u00fchrlichere Informationen \u00fcber diese unglaubliche Studie finden Sie im Originalartikel auf MIT-Nachrichten<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" When an island’s electricity goes out, traditional methods of locating a break in the underwater power cable can be quite challenging. Previously, this required dragging up the whole line or using remotely operated vehicles (ROVs) to scan it. But what if there was a smarter approach? A project led by the MIT Lincoln Laboratory is investigating this possibility, focusing on designing an autonomous underwater vehicle (AUV) that can map the line and identify the fault’s location. A New Approach to Underwater Missions This pioneering project is part of an internally funded R&D portfolio focusing on autonomous systems, operated by MIT’s […]<\/p>\n","protected":false},"author":4,"featured_media":8479,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-8478","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/8478","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=8478"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/8478\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/8479"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=8478"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=8478"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=8478"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Innovation am Horizont<\/h5>\n