El proyecto CETI intenta descubrir, y eventualmente decodificar, patrones en el "habla" de las ballenas
El proyecto CETI (Cetacean Translation Initiative) tiene como objetivo recopilar entre millones y miles de millones de vocalizaciones de alta calidad y altamente contextualizadas para comprender cómo se comunican los cachalotes.
Pero es un desafío encontrar las ballenas y saber dónde saldrán a la superficie para recoger los datos, lo que dificulta la colocación de dispositivos de escucha y la recopilación de información visual.
Un equipo de investigación del Proyecto CETI dirigido por Stephanie Gil, profesora adjunta de Ciencias de la Computación en la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard (SEAS), ha propuesto un nuevo marco de aprendizaje por refuerzo con dronesdrones autónomos para encontrar cachalotes y predecir dónde saldrán a la superficie.
Este nuevo estudio utiliza varios dispositivos de detección, como los drones aéreosdrones aéreos del Proyecto CETI con capacidad de detección de señales de muy alta frecuencia (VHF) que aprovechan la fase de la señal junto con el movimiento del dron para emular un "conjunto de antenas en el aire" para estimar la direccionalidad de los pings recibidos de las etiquetas de CETI en las ballenas. Demuestra que es posible predecir cuándo y dónde puede salir a la superficie una ballena utilizando estos diversos datos de sensores, así como modelos predictivos del comportamiento de buceo de los cachalotes.
Imagen: Conjunto de hidrófonos remolcados. Crédito: Science Robotics (2024). DOI: 10.1126/scirobotics.adn7299
Con esa información, el Proyecto CETI puede diseñar ahora algoritmos para determinar la ruta más eficiente para que un dron se acerque (o se encuentre) con una ballena en la superficie. Esto también abre la posibilidad de aplicaciones de conservación para ayudar a los barcos a evitar chocar con las ballenas mientras están en la superficie.
Al presentar el Autonomous Vehicles for whAle Tracking And Rendezvous by remote Sensing, o AVATARS, este estudio desarrolla conjuntamente dos componentes interrelacionados de autonomía y detección: la autonomía, que determina los comandos de posicionamiento de los robots autónomos para maximizar los encuentros visuales con ballenas; y detección, que mide el ángulo de llegada (AOA) de las etiquetas de ballenas para informar el proceso de toma de decisiones.
Las mediciones del dron autónomo a las etiquetas en la superficie, el AOA acústico de los sensores submarinos existentes y los modelos de movimiento de ballenas de estudios biológicos previos de cachalotes se proporcionan como entradas al algoritmo de toma de decisiones autónoma AVATARS, que a su vez tiene como objetivo minimizar las oportunidades de encuentro perdidas con las ballenas.
Imagen: Marco basado en aprendizaje de refuerzo para el encuentro de ballenas mediante drones autónomos de detección
AVATARS es el primer desarrollo conjunto de detección VHF y aprendizaje de refuerzo para la toma de decisiones para maximizar el encuentro de robots y ballenas en el mar. Una aplicación conocida de encuentros en los que el tiempo es un factor crítico es la que se utiliza en las aplicaciones de viajes compartidos, que utilizan sensores en tiempo real para registrar las trayectorias y posiciones dinámicas de los conductores y los pasajeros potenciales. Cuando un pasajero solicita un viaje, se puede asignar un conductor para que se reúna con él de la manera más eficiente y oportuna posible.
El caso del Proyecto CETI es similar, ya que están rastreando a la ballena en tiempo real, con el objetivo de coordinar el encuentro del dron para encontrarse con la ballena en la superficie.
Esta investigación contribuye al objetivo del Proyecto CETI de obtener entre millones y miles de millones de vocalizaciones de ballenas de alta calidad y muy contextualizadas. La incorporación de diversos tipos de datos mejorará las estimaciones de ubicación y los algoritmos de enrutamiento, lo que ayudará al Proyecto CETI a alcanzar ese objetivo de manera más eficiente.
"Estoy entusiasmado por contribuir a este gran avance para el Proyecto CETI. Al aprovechar los sistemas autónomos y la integración avanzada de sensores, podemos resolver desafíos clave en el seguimiento y estudio de las ballenas en sus hábitats naturales. Esto no es sólo un avance tecnológico, sino también un paso fundamental para ayudarnos a comprender las complejas comunicaciones y comportamientos de estas criaturas", afirmó Gil.
Vídeo: ¿Podemos aprender a hablar con los cachalotes?
"Esta investigación constituye un hito importante para la misión del Proyecto CETI. Ahora podemos mejorar significativamente nuestra capacidad de recopilar conjuntos de datos a gran escala y de alta calidad sobre las vocalizaciones de las ballenas y el contexto conductual asociado, lo que nos acerca un paso más a escuchar y traducir mejor lo que dicen los cachalotes", dijo David Gruber, fundador y líder del Proyecto CETI.
"Esta investigación fue una oportunidad increíble para probar nuestros sistemas y algoritmos en un entorno marino desafiante. Este trabajo interdisciplinario, que combina detección inalámbrica, inteligencia artificial y biología marina, es un excelente ejemplo de cómo la robótica puede ser parte de la solución para descifrar aún más el comportamiento social de los cachalotes", dijo Ninad Jadhav, candidato a doctorado de la Universidad de Harvard y primer autor del artículo.
"Este proyecto ofrece una excelente oportunidad para probar nuestros algoritmos en el campo, donde la robótica y la inteligencia artificial pueden enriquecer la recopilación de datos y agilizar la investigación para una ciencia más amplia en el procesamiento del lenguaje y la biología marina, protegiendo en última instancia la salud y el hábitat de los cachalotes", dijo Sushmita Bhattacharya, investigadora postdoctoral en el Laboratorio REACT de Gil en SEAS.
La investigación se publica en Science Robotics: Reinforcement learning–based framework for whale rendezvous via autonomous sensing robots
