Alors que les missions environnementales, océaniques, de défense et de sauvetage deviennent de plus en plus complexes, les véhicules sous-marins sans pilote (UUV) sont devenus des outils indispensables. Une nouvelle étude menée par des chercheurs australiens et français propose une solution innovante pour améliorer leur fiabilité dans des conditions imprévisibles.
L’équipe scientifique a utilisé une solution d’intelligence artificielle bio-inspirée pour améliorer la fiabilité des UUV et d’autres systèmes de contrôle adaptatifs dans des conditions imprévisibles. Cette approche innovante, utilisant la méthode de Rejeu d’Expérience Bio-Inspirée (BIER), a été publiée dans la revue IEEE Access.
Contrairement aux méthodes conventionnelles, la méthode BIER vise à surmonter l’inefficacité des données et la dégradation des performances en exploitant des expériences récentes incomplètes mais précieuses, explique l’auteur principal, le Dr Thomas Chaffre. Il explique : “Les résultats de l’étude ont démontré que BIER surpassait les méthodes de Rejeu d’Expérience standard, atteignant une performance optimale deux fois plus rapidement que ces dernières dans le domaine des UUV supposés.”
Des tests prometteurs pour la méthode BIER
Pour tester l’efficacité de la méthode proposée, les chercheurs ont mené des scénarios simulés en utilisant un simulateur de UUV basé sur le système d’exploitation de robot (ROS) et en augmentant progressivement la complexité des scénarios. Ces scénarios variaient en fonction des valeurs de vitesse cible et de l’intensité des perturbations du courant.
Le professeur associé de l’Université Flinders en IA et robotique, Paulo Santos, auteur principal de l’étude, affirme que le succès de la méthode BIER est prometteur pour améliorer l’adaptabilité et les performances dans divers domaines nécessitant des systèmes de contrôle adaptatifs dynamiques.
Les défis de l’application réelle
Les capacités des UUV en matière de cartographie, d’imagerie et de contrôle des capteurs s’améliorent rapidement, notamment grâce à l’apprentissage par renforcement profond (DRL), qui fait progresser rapidement les réponses de contrôle adaptatif aux perturbations sous-marines que les UUV peuvent rencontrer. L’efficacité de ces méthodes est mise à l’épreuve lorsqu’elles sont confrontées à des variations imprévues dans les applications réelles.
La complexité de la dynamique de l’environnement sous-marin limite l’observabilité des tâches de manœuvre des UUV, rendant difficile pour les méthodes DRL existantes de fonctionner de manière optimale. L’introduction de BIER marque une avancée significative dans l’amélioration de l’efficacité de la méthode d’apprentissage par renforcement profond en général.
Focus sur le UUVs
Les véhicules sous-marins sans pilote (UUV), également connus sous le nom de drones sous-marins, sont en train de remodeler la façon dont nous explorons et interagissons avec les profondeurs océaniques. Ces véhicules submersibles, capables de fonctionner sans présence humaine, se divisent en deux catégories principales : les véhicules sous-marins télécommandés (ROUV) et les véhicules sous-marins autonomes (AUV). Les ROUV sont pilotés à distance par un opérateur humain, tandis que les AUV sont entièrement automatisés, fonctionnant sans intervention humaine directe.
Ces UUV sont spécialement conçus pour résister aux conditions océaniques les plus difficiles et peuvent opérer pendant de longues périodes à de grandes profondeurs. Cela ouvre des possibilités inédites pour les chercheurs et les scientifiques, leur permettant d’accéder à des zones auparavant inaccessibles avec des véhicules habités traditionnels.
Par ailleurs, leur fonctionnement silencieux et sans émission de polluants en fait des outils idéaux pour l’étude de la vie marine et des habitats, sans perturber ou endommager l’écosystème.
En synthèse
La méthode BIER, grâce à sa capacité à naviguer efficacement dans des environnements incertains et dynamiques, représente une avancée prometteuse dans le domaine des systèmes de contrôle adaptatifs. Les chercheurs concluent que cette approche pourrait améliorer la fiabilité des UUV et d’autres systèmes de contrôle adaptatifs dans des conditions imprévisibles, ouvrant ainsi le chemin à de nouvelles possibilités dans divers domaines nécessitant des systèmes de contrôle dynamiques et adaptatifs.
Pour une meilleure compréhension
Qu’est-ce que la méthode BIER ?
La méthode BIER (Biologically-Inspired Experience Replay ou Relecture de l’expérience inspirée par la biologie) est une solution d’intelligence artificielle bio-inspirée qui vise à améliorer la fiabilité des véhicules sous-marins sans pilote (UUV) et d’autres systèmes de contrôle adaptatifs dans des conditions imprévisibles.
Comment fonctionne la méthode BIER ?
La méthode BIER surmonte l’inefficacité des données et la dégradation des performances en exploitant des expériences récentes incomplètes mais précieuses. Elle utilise deux tampons de mémoire, l’un se concentrant sur les paires récentes d’états-actions et l’autre mettant l’accent sur les récompenses positives.
Quels sont les avantages de la méthode BIER par rapport aux méthodes traditionnelles
La méthode BIER a démontré une performance optimale deux fois plus rapide que les méthodes traditionnelles dans le domaine des UUV. Elle a montré une adaptabilité et une efficacité exceptionnelles, démontrant sa capacité à stabiliser le UUV dans des conditions variées et difficiles.
Comment la méthode BIER a-t-elle été testée ?
Les chercheurs ont mené des scénarios simulés en utilisant un simulateur de UUV basé sur le système d’exploitation de robot (ROS) et en augmentant progressivement la complexité des scénarios. Ces scénarios variaient en fonction des valeurs de vitesse cible et de l’intensité des perturbations du courant.
Quelles sont les applications potentielles de la méthode BIER ?
La méthode BIER pourrait améliorer l’adaptabilité et les performances dans divers domaines nécessitant des systèmes de contrôle adaptatifs dynamiques. Elle pourrait également améliorer la fiabilité des UUV et d’autres systèmes de contrôle adaptatifs dans des conditions imprévisibles.
Principaux enseignements
| Enseignements |
|---|
| La méthode BIER est une solution d’intelligence artificielle bio-inspirée |
| BIER surmonte l’inefficacité des données et la dégradation des performances |
| BIER a démontré une performance optimale deux fois plus rapide que les méthodes traditionnelles |
| BIER a été testée en utilisant un simulateur de UUV basé sur le système d’exploitation de robot (ROS) |
| BIER pourrait améliorer l’adaptabilité et les performances dans divers domaines nécessitant des systèmes de contrôle adaptatifs dynamiques |
| BIER pourrait également améliorer la fiabilité des UUVs et d’autres systèmes de contrôle adaptatifs dans des conditions imprévisibles |
Références
Université Flinders, Dr Thomas Chaffre, Professeur Paulo Santos, IEEE Access
La méthode BIER (Biologically-Inspired Experience Replay), a été publiée dans la revue IEEE Access.
[ Rédaction ]
