Anticipative system for a planner through machine learning techniques

Resumen

La exploración de los mares y océanos es un área de investigación interesante en la que todavía quedan muchas incógnitas por resolver. Esto se debe en gran medida a la imposibilidad física del ser humano para acceder a gran parte de este terreno desconocido. Los avances tecnológicos de las últimas décadas están permitiendo sustituir la presencia humana en dichos territorios mediante el uso de robots. Estos vehículos pueden ser manejados y monitorizados por un experto o pueden realizar tareas de manera autónoma. El desarrollo de este proyecto se centra en el área de la planificación para el uso de vehículos submarinos autónomos. Se pretende mejorar la planificación y ampliar la autonomía de dichos vehículos mediante el uso de técnicas de aprendizaje de máquina. De este modo se podrá aumentar el éxito en los planes, al mismo tiempo que se reduce el consumo de recursos como energía y tiempo. Es complicado trabajar en el entorno subacuático debido a la falta de conocimiento total sobre el mismo. Por ello, durante la ejecución del plan es posible que sucedan eventos inesperados, los cuáles podrían forzar la finalización del mismo sin alcanzar los objetivos esperados. Para reducir dichos problemas se aportará a los vehículos mayor anticipación. De este modo podrán buscar soluciones y tomar decisiones para evitar esos eventos. Las soluciones típicas cuando surgen dichos eventos son la reparación del plan, la re-planificación o en el peor de los casos, abortar la misión. Para ambas, el vehículo debe comunicarse con el supervisor y/o el planificador de la misión. Debido a que las comunicaciones subacuáticas son lentas y poco fiables, el tiempo implementado para ejecutar dichas soluciones puede ser elevado. Por lo tanto, la solución propuesta permitirá reducir considerablemente el tiempo de misión evitando esperas innecesarias.
Abstract:
Oceans and seas exploration is a largely uncharted research field with a lot of mysteries. The reason of that is mainly the physical impossibility of human beings to survive in that unknown environment. Technological innovations in the last decades make the work in unfavourable environments more likely every day. That is done by the use of robotics vehicles, which can be manned by a human expert or be autonomous. This project development focuses on planning for autonomous underwater vehicles (AUVs). The main idea is the improvement of the plan quality, as well as supply the AUVs with more autonomy. Machine Learning techniques will be used to accomplish this task. The success of the plan could be increased at the same time that the consumption of resources —as time and energy— decreases. It is difficult to work in the underwater environment due to the unexplored surrounds and the unfavourable conditions. The complete behaviour of the environment is unpredictable, and therefore, unexpected events can happen during the execution of the plan. Those problems could lead the plan to its termination without achieving the goals. The vehicles will be provided with more anticipation to look for solutions and take decisions in those situations. The standard solutions to deal with these events are to fix the plan, to re-plan or, if the worst comes to the worst, to abort the mission. For both solutions, the vehicles should communicate with the mission supervisor and/or the mission planner. Underwater communications are unreliable and slow, due to their low-bandwidth. Therefore, those solutions to the events could spend too much time waiting for an answer. The proposed resolution helps to reduce the mission time, avoiding unnecessary delays.