Centrum för tillämpade autonoma sensorsystem (AASS)

AI-forskare vid Örebro universitet ska ge undervattensrobotar bättre syn

Dåliga siktförhållanden är ett problem vid arbete med undervattensfarkoster. Det berättar Gert Johansson på Saab Dynamics. Nu ska AI-forskare försöka ge robotarna bättre syn. Bilden är AI-genererad.

Dåliga siktförhållanden är ett problem vid arbete med undervattensfarkoster. Det berättar Gert Johansson på Saab Dynamics. Nu ska AI-forskare försöka ge robotarna bättre syn. Bilden är AI-genererad.

En utmaning med undervattenrobotar är att kunna se i mörka och grumliga vatten, vilket skapar problem både när en operatör styr farkosten – och om roboten ska användas autonomt. Nu samarbetar AI-forskare vid Örebro universitet med Saab Dynamics och Piktiv AB, för att lösa problemet.

Saight är ett samarbete mellan Örebro universitet, Saab Dynamics och Piktiv. Projektet stöttas av det regionala utvecklingsprojektet AI.ALL och medfinansierats av Region Örebro län och Europiska unionen.

EU-logga

Genom att kombinera visuell feedback från undervattensroboten med både sensordata och historisk data hoppas forskarna kunna skapa ett verktyg som underlättar arbetet i grumligt vatten.

– Vi strävar efter att förbättra säkerheten och effektiviteten i förhållanden med låg eller begränsad sikt, säger Martin Längkvist, universitetslektor i datavetenskap.

Saab Dynamics letar alltid efter sätt att underlätta och förbättra operatörernas arbete med undervattensfarkoster, berättar Gert Johansson, som arbetar med företagets Innovation Lab.

– Dåliga siktförhållanden är ett problem, och där tänker vi att augmented reality kan vara en bra teknik för att underlätta för operatören att utföra sitt arbete. Grundtanken är att kunna projicera verkliga objekt så som de ser ut i klart vatten även när vattnet är grumligt, säger Gert Johansson.

Målet med pilotprojektet Saight, som sker i samarbete mellan Örebro universitet, Saab Dynamics och mjukvaruutvecklaren Piktiv, är att utveckla ett proof-of-concept som visar hur operatörer kan få förbättrade data via exempelvis överlagrad information på en skärm.

– Utmaningarna med projekter är att effektivt synkronisera data från flera sensorer som till exempel kamera, sonar och telemetri, samt att utveckla robusta maskininlärningsmodeller som kan hantera ofullständig eller brusig sensordata i en oförutsägbar miljö, säger Martin Längkvist, och fortsätter:

– Det här arbetet kan utgöra en viktig grund för autonom undervattensnavigering. Om vi lyckas utveckla systemet kommer vi att kunna förbättra säkerheten och effektiviteten vid användning av fjärrstyrda fordon i utmanande miljöer. Det skulle i sin tur leda till mer pålitliga och säkra inspektioner av kritisk infrastruktur som till exempel oljerörledningar.

Gert Johansson håller med.

– Om projektet lyckas skulle det kunna innebära att vi kan arbeta under mycket svårare förhållanden. Framöver kan man också tänka sig att vi får mer autonoma delfunktioner. Där tror vi också att den här tekniken kan underlätta, till exempel genom att farkosten själv kan styra in mot objekt att med hjälp av sensorerna, säger Gert Johansson.

Text: Jesper Eriksson
Foto: Jesper Eriksson