Los robots submarinos autónomos son cada vez más frecuentes, y patrullan los mares durante periodos de tiempo más y más prolongados.
Para navegar con el mayor ahorro posible de energía, o para llegar lo antes posible al punto de destino, conviene aprovechar las corrientes siempre que sea posible, y eludir aquellas que tiendan a frenar el avance. Sin embargo, determinar cuál es para un robot la mejor ruta entre las corrientes marinas no es fácil, y menos aún cuando hay que calcularlo para una flota entera de robots en marcha, cada uno de ellos viajando hacia un punto de destino diferente.
Esta compleja tarea será mucho más fácil gracias al avance logrado por unos ingenieros del MIT.
El equipo de Pierre Lermusiaux ha desarrollado un procedimiento matemático que permite optimizar la planificación de rutas para los robots de esa clase, comúnmente llamados vehículos submarinos autónomos (AUVs por sus siglas en inglés), incluso en regiones con costas complejas y fuertes corrientes cambiantes. El sistema puede brindar rutas optimizadas tanto para lograr un tiempo más corto de viaje, como para conseguir el menor consumo de energía, o incluso para maximizar la recolección de datos en la zona de interés.
A menudo, se usan flotas de AUVs para cartografiar zonas marinas, y hacer tareas de investigación oceanográfica, reconocimiento militar, vigilancia y protección de puertos, supervisión y mantenimiento de pozos petrolíferos submarinos, y en operaciones de rescate ante emergencias marítimas. Se prevé que en los próximos años entren en servicio flotas mucho más grandes, haciendo que la tarea computacional de planificar rutas óptimas sea mucho más compleja.
Los primeros intentos de calcular rutas óptimas para vehículos submarinos eran imprecisos, incapaces de hacer frente a los cambios en las corrientes y a una topografía compleja, o requerían de tanta potencia de computación que no se podían aplicar en tiempo real al control de flotas de vehículos robóticos.
El nuevo algoritmo hace con eficacia la labor, y además permite controlar los robots y realizar en ellos ajustes en tiempo real. Esto permite cambiarle la misión a un robot ante circunstancias imprevistas, encargándole por ejemplo rastrear hasta su fuente un penacho de contaminación recién descubierto, o determinar cómo se está diseminando esa contaminación.
En el trabajo de investigación y desarrollo también han participado Tapovan Lolla, Mattheus Ueckermann, Konuralp Yigit, Patrick Haley y Wayne Leslie.
No hay comentarios:
Publicar un comentario