Investigadores de la Universidad de Illinois Urbana-Champaign han desarrollado un método novedoso para la geolocalización submarina utilizando redes neuronales profundas que han sido entrenadas en 10 millones de imágenes sensibles a la polarización recopiladas de lugares de todo el mundo. Este nuevo estudio, dirigido por el profesor de ingeniería eléctrica e informática Viktor Gruev, junto con el profesor de informática David Forsyth, permite la geolocalización submarina utilizando solo datos ópticos y proporciona una herramienta para la navegación submarina sin ataduras.

Estos hallazgos fueron publicados recientemente en la revista eLight.

« Estamos mostrando por primera vez que puede geolocalizarse a sí mismo o a una cámara en varias condiciones diferentes, ya sea en aguas de mar abierto, aguas claras o aguas con poca visibilidad, de día, de noche o en profundidad », dice Gruev. « Una vez que tenga una idea de dónde se encuentra, puede comenzar a explorar y usar esa información para comprender mejor el mundo submarino o incluso cómo navegan los animales ».

Gruev explica que uno de los principales desafíos de la navegación submarina y la geolocalización es que las señales de GPS no pueden penetrar el agua, sino que rebotan en la superficie. « Estamos ciegos en términos de señales de GPS bajo el agua. Necesitamos usar diferentes medios y diferentes tecnologías para geolocalizarnos bajo el agua ».

El estándar actual para la geolocalización utiliza información acústica, principalmente obtenida por tecnología de sonar. Esto funciona desplegando muchas pequeñas balizas de sonar que envían señales que se triangulan para localizar un objeto bajo el agua. El problema, sin embargo, es que el sonar solo funciona en un área pequeña y definida, mientras que también está limitado por su precisión.

Otro método que se utiliza actualmente es el uso de sumergibles que están amarrados a una embarcación más grande sobre la superficie que tiene una señal de GPS. Aunque el sumergible puede maniobrar un poco, en última instancia, está limitado por el movimiento de la embarcación.

« Es un problema increíblemente desafiante tener un vehículo submarino de movimiento libre. La forma en que resolvemos este problema es mediante el desarrollo de cámaras especializadas y algoritmos de aprendizaje automático. Al combinarlos, podemos determinar la ubicación del sol y aquí es donde la polarización la imagen entra en juego ». — Víctor Gruev

Las ondas de luz del sol se mueven en todas las direcciones, no está polarizado. Cuando esas ondas pasan a través de un filtro, como la superficie del agua, se ven obligadas a moverse en una sola dirección : la luz se ha polarizado. Los patrones de polarización son el resultado de la transmisión de la luz del aire al agua y la dispersión por las moléculas de agua y otras partículas. Los patrones bajo el agua cambian a lo largo del día y dependen de la ubicación tanto del observador como del sol. Al analizar estos patrones junto con información precisa de fecha y hora, es posible determinar la ubicación.

El equipo recolectó ~10 millones de imágenes con una cámara subacuática y una lente omnidireccional capaz de registrar los patrones de polarización de cuatro sitios: un lago de agua dulce en Champaign, IL (visibilidad de alrededor de 0,3 m), aguas marinas costeras en Florida Key, FL (visibilidad alrededor de 0,5-3 m), agua de mar en la bahía de Tampa, FL (visibilidad de alrededor de 0,5 m), y un lago de agua dulce en Ohrid, Macedonia del Norte (visibilidad superior a 10 m). Las imágenes se tomaron en una variedad de condiciones (aguas claras o turbias), profundidades y momentos del día, incluso de noche, cuando la intensidad de la luz submarina es significativamente más débil.

« Pensamos que la vida es aburrida si no podemos ver nada, si no podemos ver las manos frente a nosotros. Pero si podemos ver las propiedades de polarización de la luz, podemos geolocalizarnos, incluso en aguas turbias. Y en realidad, la vida es bastante rico en términos de polarización », dice Gruev.

Estas imágenes se usaron para entrenar una red neuronal, un método de inteligencia artificial para aprender y mejorar la precisión con el tiempo. « La forma en que hicimos esto fue recopilar 10 millones de imágenes del sol bajo el agua », explica Forsyth. « Cada imagen se etiquetó con el lugar donde se tomó y la elevación del sol. Esas imágenes luego se pasaron a un sistema de aprendizaje y el sistema se ajustó hasta que proporcionó una ubicación precisa ». El uso de estas técnicas de aprendizaje automático ha ayudado a mejorar la precisión de la ubicación a 40-50 km, con la posibilidad de mejorar aún más la precisión.

Esta tecnología presenta nuevas oportunidades para que las personas y los robots naveguen bajo el agua. Los océanos representan más del 70% de la superficie terrestre, pero se sabe muy poco al respecto. Los datos que conocemos sobre estos cuerpos de agua provienen del monitoreo a través de satélites de 20 a 30 millas sobre la superficie. Los robots de muestreo autónomos in situ podrían proporcionar un control más preciso de las propiedades del agua, como la temperatura del agua, la salinidad, los niveles de oxígeno y otros parámetros relacionados.

Los recientes esfuerzos de búsqueda y rescate del sumergible OceanGate Titan han resaltado la necesidad de capacidades precisas de geolocalización. Para ubicar el sumergible a cualquier profundidad posible, los esfuerzos se dividieron en dos regiones distintas, cerca de la superficie del océano y cerca del lecho marino, debido a las limitaciones de la tecnología actual. Los esfuerzos en aguas profundas son significativamente más desafiantes que las operaciones cercanas a la superficie, que tienen más opciones tecnológicas y dependen principalmente del sonar. El sonar no solo es poco confiable en un área grande, sino que a menudo crea ecos que ocultan la ubicación precisa de un objeto. Gruev dice : « Esta tecnología de imágenes de polarización permitirá que los robots autónomos más pequeños deambulen por los primeros 200-300 metros donde la luz penetra en el agua y donde nuestra tecnología funciona muy bien y puede ayudar durante las misiones de búsqueda y rescate ».

« Es difícil entender qué tan grandes son los océanos, cuánta agua hay, qué tan lejos puedes estar de cualquier cosa y qué tan difícil es encontrar algo ahí fuera. El mayor problema tecnológico, hasta principios del siglo XIX. era simplemente saber dónde estabas en el mar. Y sigue siendo muy, muy difícil ». –David Forsyth

Viktor Gruev también es afiliado del Instituto Beckman de Ciencia y Tecnología Avanzadas, el Departamento de Bioingeniería y la Facultad de Medicina Carle Illinois de la UIUC.

Otros colaboradores de este trabajo incluyen a Xiaoyang Bai (Departamento de Ingeniería Eléctrica e Informática de la UIUC), Zuodong Liang (Departamento de Ingeniería Eléctrica e Informática de la UIUC), Zhongmin Zhu (Departamento de Ingeniería Eléctrica e Informática de la UIUC) y Alexander Schwing (Departamento de Ingeniería Eléctrica e Informática y Departamento de Informática de la UIUC).

Esta investigación fue financiada por la Oficina de Investigación Naval y la Oficina de Investigación Científica de la Fuerza Aérea de EE. UU.