Responsable: Sergio Toral Marín
Tipo de Proyecto/Ayuda: Plan Estatal 2017-2020 Retos - Proyectos I+D+i
Referencia: RTI2018-098964-B-I00
Fecha de Inicio: 01-01-2019
Fecha de Finalización: 30-04-2022

Empresa/Organismo financiador/es:

• Ministerio de Ciencia, Innovación y Universidades

Equipo:

• Equipo de Investigación:
  • Manuel Ángel Perales Estéve

Contratados:

• Técnicos/Personal Administrativo:
  • Alejandro Casado Pérez
  • Samuel Yanes Luis

Resumen del proyecto:

La propuesta aborda el despliegue de una red de vehículos no tripulados provistos de sensores en escenarios dinámicos, que aprende del entorno a medida que se desplaza, y que en base a ese aprendizaje determina su despliegue óptimo mediante una estrategia en enjambre. Como aplicación final se utilizará una red de vehículos acuáticos de superficie que lleve a cabo la monitorización y seguimiento de agentes contaminantes en recursos hídricos. Para ello cada vehículo incorpora un conjunto de sensores que permiten determinar parámetros de calidad del agua como pH, oxígeno disuelto y turbidez, parámetros ambientales, como temperatura y humedad, y agentes contaminantes, como algas y cianobacterias que puedan resultar perjudiciales para el consumo humano y la agricultura.

La propuesta afronta dos retos importantes: en primer lugar, un contexto sólo conocido parcialmente a medida que los vehículos de despliegan (hidden context), y que requiere de un aprendizaje online de los datos compartidos por los vehículos para traducirlos en conocimiento del contexto. En segundo lugar, un entorno con una dinámica variable en el tiempo (concept drift), ya que las floraciones de cianobacterias dependen de los diferentes vertidos realizados en cuerpos de agua y de las condiciones ambientales. Finalmente, una función de coste multi objetivo que contemple no solamente el área explorada sino también la autonomía máxima de los vehículos, así como restricciones inherentes a la red de vehículos no tripulados (en número de vehículos, batería, velocidad, cobertura, etc.).

Para afrontar estos retos se propone el uso de técnicas de despliegue basadas en enjambre. El resultado de este despliegue depende en gran medida de la elección de una serie de hiper-parámetros como, por ejemplo, la velocidad de los vehículos, las trayectorias permitidas, el tiempo durante el que se desplazan aleatoriamente, el peso de los local y global best, el tratamiento de restricciones en los recursos o las condiciones de robustez de la red frente a perturbaciones o cambios súbitos. Dado que el objetivo es cambiante en el tiempo (concept drift) se propone llevar a cabo una optimización on-line de los parámetros, que es lo que se conoce como hiper-parametrización. Debido a las restricciones de tiempo, se utilizará una optimización bayesiana de los hiper-parámetros del despliegue por enjambre. Como resultado se obtendrá una red de vehículos no tripulados autónoma y proactiva, capaz de aprender del contexto y adaptarse a cambios del entorno, con un despliegue adaptativo y robusto frentes a cambios y perturbaciones.

La principal contribución científica de la propuesta se centra en la hiper-parametrización mediante optimización bayesiana de un despliegue en enjambre trabajando con un objetivo cambiante en el tiempo (concept drift) y un aprendizaje online (hidden context).

El principal impacto estimado es conseguir una medida fiable, barata y precisa sobre la situación de los recursos hídricos, que permita realizar actuaciones más precisas para limpiar las áreas más contaminadas y tomar medidas preventivas contra vestidos inapropiados. El objetivo de largo impacto es conseguir la sostenibilidad de los recursos hídricos, haciendo compatible su explotación para usos industriales y agrícolas con la calidad del agua, que garantice el consumo humano y el desarrollo turístico.