Responsable: Sergio Toral Marín / Daniel Gutiérrez Reina
Tipo de Proyecto/Ayuda: Proyectos I+D+i FEDER Andalucía 2014-2020
Referencia: US-1257508
Fecha de Inicio: 01-02-2020
Fecha de Finalización: 30-04-2022

Empresa/Organismo financiador/es:

• Junta de Andalucía (Consejería de Economía y Conocimiento)

Equipo:

• Equipo de Investigación:
  • Pablo Millán Gata
  • Luis Orihuela Espina
  • Manuel Ángel Perales Estéve
• Equipo Colaborador:
  • Jurgen Branke (alta: 01/09/2021)
  • Hissam Tawfik
  • Samuel Yanes Luis (alta: 26/01/2021)

Contratados:

• Técnicos/Personal Administrativo:
  • Alejandro Mendoza Barrionuevo
  • Federico Peralta Samaniego

Resumen del proyecto:

El desarrollo de los vehículos no tripulados ha permitido su uso en numerosos ámbitos de tipo civil tales como agricultura, forestal o de vigilancia fronteriza y de infraestructuras críticas. Aunque habitualmente se relacionan los vehículos no tripulados con vehículos aéreos o drones, existe un campo emergente que va de la mano con el anterior y que son los vehículos acuáticos no tripulados. Este proyecto se enfoca a este tipo de vehículos y propone la puesta en marcha de una red de vehículos acuáticos de superficie que, aprendiendo del entorno y trabajando cooperativamente, 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. Asimismo, cada vehículo incorpora dispositivos de comunicación inalámbricos mediante los cuales puede compartir con otros vehículos los datos adquiridos durante su movimiento. El objetivo es que la red de vehículos aprenda del entorno a medida que se despliega y determine las leyes de movimiento óptimas que permitan el seguimiento de los agentes contaminantes, anticipando su evolución. 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, como limitaciones en número de vehículos, batería, velocidad, recambio de las sondas de sensores, cobertura de comunicaciones etc. Para afrontar estos retos se propone el uso de técnicas de despliegue basadas en enjambre, que permitan por una parte explorar el área objetivo y recopilar información de contexto, y por otra intensificar la monitorización en aquellas zonas donde se detecte la presencia de agentes contaminantes, para realizar un seguimiento detallado y una predicción de su evolución en tiempo real. El despliegue en enjambre se basa en la aplicación de una inteligencia colectiva basada en la información recopilada y compartida por cada uno de los agentes, imitando el comportamiento de una colonia de abejas. Inicialmente los vehículos exploran aleatoriamente guiados por su inercia (exploración del escenario), para posteriormente moverse con pesos crecientes en las direcciones de su óptimo local (local best) y del óptimo global (global best), compartido entre los agentes móviles (explotación de las soluciones encontradas). Conseguir un balance adecuado entre exploración y explotación es todavía un problema abierto, y más aún si el escenario varía de forma dinámica. Así pues, el resultado de este despliegue depende en gran medida de la elección de una serie de 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.