Forskare ombord på Schmidt Ocean Institutes forskningsfartyg Falkor använde autonoma undervattensrobotar, tillsammans med institutets fjärrstyrda fordon (ROV) SuBastian, att förvärva 1,3 miljoner högupplösta bilder av havsbotten vid Hydrate Ridge, komponera dem till den största kända högupplösta färg-3D-modellen av havsbotten. Använda oövervakade klustringsalgoritmer, de identifierade dynamiska biologiska hotspots i bilddata för mer detaljerade undersökningar och provtagning av ett fjärrstyrt fordon.

En nyligen genomförd expedition ledd av Dr. Blair Thornton, innehar Associate Professorships vid både University of Southampton och Institute of Industrial Science, universitetet i Tokyo, demonstrerade hur användningen av autonom robotik och artificiell intelligens till havs dramatiskt kan påskynda utforskningen och studien av svåråtkomliga djuphavsekosystem, som intermittent aktiv metan sipprar. Tack vare snabb dataanalys med hög genomströmning till sjöss, det var möjligt att identifiera biologiska hotspots i Hydrate Ridge-regionen utanför Oregons kust, tillräckligt snabbt för att undersöka och prova dem, inom några dagar efter bildundersökningen av Autonomous Underwater Vehicles (AUV). Teamet ombord på forskningsfartyg Falkor använde en form av artificiell intelligens, oövervakad klustring, att analysera AUV-förvärvade havsbottenbilder och identifiera målområden för mer detaljerade fotogrammetriska AUV-undersökningar och fokuserad interaktiv hotspot-sampling med ROV SuBastian.

Detta projekt visade hur modern datavetenskap avsevärt kan öka effektiviteten av konventionell forskning till havs, och förbättra produktiviteten för interaktiv havsbottenutforskning med det alltför välbekanta läget "snubbla i mörkret". "Att utveckla helt nya operativa arbetsflöden är riskabelt, dock, det är mycket relevant för applikationer som havsbottenövervakning, ekosystemundersökning och planering av installation och avveckling av havsbotteninfrastruktur, sa Thornton.

Tanken bakom detta Adaptive Robotics-uppdrag var inte att vända strukturen för hur saker görs till sjöss, utan helt enkelt för att ta bort flaskhalsar i flödet av information och databehandling med hjälp av beräkningsmetoder och artificiell intelligens. Algoritmerna som används kan snabbt producera enkla sammanfattningar av observationer, och bilda efterföljande distributionsplaner. Den här vägen, forskare kan reagera på dynamiska förändringar i miljön och målområden som kommer att leda till de största operativa, vetenskaplig, eller miljöledningsvinster.

Mer än 1,3 miljoner havsbottenbilder samlades in och analyserades algoritmiskt för att hitta biologiska hotspots och exakt rikta in dem för interaktiva provtagningar och observationer. De första havsbottenbilderna med stor yta togs med ett undervattensfarkost "Ae2000f" med hjälp av 3-D visuella kartläggningskameror på hög höjd på undervattensplatser mellan 680 och 780 meters djup. Det internationella teamet distribuerade flera AUV:er, utvecklad av University of Tokyo, som var utrustade med 3-D visuell kartläggningsteknik utvecklad gemensamt av University of Sydney, University of Southampton, och University of Tokyo och Kyushu Institute of Technology som en del av ett internationellt samarbete.

Omvandlingen av de inledande bilderna för undersökningar av breda områden till tredimensionella havsbottenkartor och sammanfattningar av livsmiljötyper ombord Falkor , gjorde det möjligt för forskarna att planera de efterföljande robotinstallationerna för att utföra visuell avbildning med högre upplösning, miljö- och kemikalieundersökningar, och fysisk provtagning i områden av störst intresse, särskilt vid de tillfälliga hotspots av biologisk aktivitet som intermittent bildas runt övergående metan sipprar. Nitton AUV-utbyggnader och femton ROV-dyk genomfördes totalt under expeditionen, inklusive flera multi-fordon operationer.

Tack vare snabb behandling av data, en fotogrammetrisk karta över en av de bäst studerade gashydratavlagringarna färdigställdes. Detta tros vara den största 3D-färgrekonstruktionen av havsbotten, efter område, i världen, mäter mer än 118, 000 kvadratmeter eller 11,8 hektar, och täcker ett område på cirka 500 x 350 meter. Medan den genomsnittliga upplösningen för de erhållna kartorna är 6 mm, områdena av mest intresse kartlades med en upplösning en storleksordning högre, vilket inte skulle ha varit möjligt utan möjligheten att intelligent rikta in sig på de intressanta platserna med högupplösta bildundersökningar och bearbeta de stora volymerna av insamlad data inom några timmar efter att de förvärvats till sjöss.

I vanliga fall, kartor som denna skulle ta flera månader att bearbeta och först efter att en expedition avslutats, då är vetenskapsteamet inte längre på platsen, och livsmiljöerna kan redan ha utvecklats eller gått ut. Istället, forskargruppen kunde komponera 3D-kartorna ombord på Falkor inom några dagar efter det att bilderna tagits. Den sammansatta kartan användes under expeditionen för att planera operationer, inklusive återvinning av havsbotteninstrument och var ovärderlig för att återbesöka specifika platser, som aktiva bubbelplymer, göra hela verksamheten mer effektiv.

"Det är ganska fantastiskt att se så stora områden av havsbotten kartlagda visuellt, speciellt bara dagar efter att rådata samlades in. Det är inte bara storleken på kartan, men också hur vi kunde använda det för att informera våra beslut medan vi fortfarande var på plats. Detta gör en verklig skillnad eftersom tekniken gör det möjligt att visualisera breda områden med mycket hög upplösning, och även enkelt identifiera och rikta in oss på områden där vi bör samla in data. Detta har inte varit möjligt tidigare, sa Thornton.