ಸಮುದ್ರದ ಆಳದ ಅನ್ವೇಷಣೆಯ ಸಮಯದಲ್ಲಿ ಮಣ್ಣಿನ ಕಣಗಳು ಆಪ್ಟಿಕಲ್ ಕ್ಯಾಮೆರಾಗಳನ್ನು ಮರೆಮಾಚಿದಾಗ, ಅನ್ವೇಷಣೆ ಸ್ಥಗಿತಗೊಳ್ಳುತ್ತದೆ ಮತ್ತು ROVಗಳು ದಿಕ್ಕಿಲ್ಲದೆ ತೇಲುತ್ತವೆ. Woods Hole Oceanographic Institution (WHOI) ನ ಸಂಶೋಧಕರು "ಮಸುಕಾದ ನೀರುಗಳಲ್ಲಿ" (murky waters) ನೈಜ ಸಮಯದಲ್ಲಿ ಸಂಚರಿಸಲು ಸೋನಾರ್ ಅನ್ನು ಸುಧಾರಿತ ಅಲ್ಗಾರಿದಮ್‌ಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸುವ ಒಂದು ವ್ಯವಸ್ಥೆಯನ್ನು ನಿರ್ಮಿಸಿದ್ದಾರೆ.

ಸೋನಾರ್ ಮತ್ತು ದೃಷ್ಟಿಯ ನಡುವಿನ ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು

ಅಂಡರ್ ವಾಟರ್ ರೋಬೋಟ್‌ಗಳು ನಿರಂತರವಾಗಿ ದೃಶ್ಯ ಗೋಚರತೆ (visibility) ಮತ್ತು ರೆಸಲ್ಯೂಶನ್ (resolution) ನಡುವೆ ಸಮತೋಲನ ಕಾಯ್ದುಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ. ಕ್ಯಾಮೆರಾಗಳು ಸ್ಪಷ್ಟ ಚಿತ್ರಗಳನ್ನು ನೀಡುತ್ತವೆ, ಆದರೆ ROV ಮಣ್ಣನ್ನು ಎಬ್ಬಿಸಿದ ತಕ್ಷಣ ಅವು ನಿಷ್ಪ್ರಯೋಜಕವಾಗುತ್ತವೆ. ಸೋನಾರ್ ಅವಶೇಷಗಳ ಮೂಲಕ ನುಸುಳಬಲ್ಲದು ಆದರೆ ಕೇವಲ ಅಸ್ಪಷ್ಟ ವಿವರಗಳನ್ನು ಮಾತ್ರ ನೀಡುತ್ತದೆ, ಇದು ಸೂಕ್ಷ್ಮ ಕಾರ್ಯಾಚರಣೆಗಳಿಗೆ ಸಾಕಾಗುವುದಿಲ್ಲ.

Amy Phung (SM ’23, PhD ’26) ಮತ್ತು Richard Camilli (SM ’00, PhD ’03) ಈ ಸಮಸ್ಯೆಗೆ ಹೈಬ್ರಿಡ್ ವಿಧಾನದ ಮೂಲಕ ಪರಿಹಾರ ಕಂಡುಕೊಂಡಿದ್ದಾರೆ. ಮೊದಲಿಗೆ, ಈ ವ್ಯವಸ್ಥೆಯು ಸಮುದ್ರದ ತಳವನ್ನು ನಕ್ಷೆ ಮಾಡಲು ವೇಗವಾಗಿ ಸೋನಾರ್ ಸ್ವೀಪ್ ಮಾಡುತ್ತದೆ. ಆ ನಕ್ಷೆಯು ನೀರಿನ ಸ್ಪಷ್ಟತೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗದೆ ವಾಹನಕ್ಕೆ ಸುರಕ್ಷಿತ ಸ್ಥಳೀಯ ಅರಿವನ್ನು (spatial awareness) ನೀಡುತ್ತದೆ. ನಂತರ, ಮಣ್ಣು ಕುಳಿತುಕೊಳ್ಳುವವರೆಗೆ ಅಥವಾ ಅದರ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಕ್ಯಾಮೆರಾಗಳು ಸೂಕ್ಷ್ಮ ವಿವರಗಳನ್ನು ಸೆರೆಹಿಡಿಯಲು ಸಾಧ್ಯವಾಗುವಷ್ಟು ದೂರವು ಕಡಿಮೆಯಾಗುವವರೆಗೆ ROV ಗುರಿಗಳ ಹತ್ತಿರ ಹೋಗುತ್ತದೆ.

ಇಮೇಜ್-ಮ್ಯಾಚಿಂಗ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಮೂಲಕ ನೈಜ-ಸಮಯದ ಪ್ರೊಸೆಸಿಂಗ್

ಸಮುದ್ರದ ತಳವನ್ನು ತಕ್ಷಣವೇ ನಕ್ಷೆ ಮಾಡುವುದು ಹೆಚ್ಚಿನ ಕಂಪ್ಯೂಟೇಶನಲ್ ದಕ್ಷತೆಯನ್ನು ಬಯಸುತ್ತದೆ. WHOI ತಂಡವು ಮೂಲತಃ ಫ್ರೆಂಚ್ ಸಂಶೋಧನಾ ಗುಂಪಿನಿಂದ ರಚಿಸಲಾದ ಇಮೇಜ್-ಮ್ಯಾಚಿಂಗ್ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಿಕೊಂಡಿದೆ. ಈ ಅಲ್ಗಾರಿದಮ್ ಪ್ರತಿಯೊಂದು ಸೋನಾರ್ ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಒಂದು ಆಳದ ಸೂಚಕವಾಗಿ (depth cue) ಪರಿಗಣಿಸುತ್ತದೆ ಮತ್ತು ಅದರ ಕೆಳಗೆ ಮೇಲ್ಮೈ ಎಷ್ಟು ದೂರದಲ್ಲಿದೆ ಎಂದು ಅಂದಾಜಿಸುತ್ತದೆ. ಆ ಆಳದ ಅಂದಾಜುಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುವ ಮೂಲಕ, ಸಾಫ್ಟ್‌ವೇರ್ ಸಾಂಪ್ರದಾಯಿಕ ಅಕೌಸ್ಟಿಕ್ ಪುನರ್ನಿರ್ಮಾಣಗಳಿಗಿಂತ (acoustic reconstructions) ಹೆಚ್ಚು ವೇಗವಾಗಿ 3-D ಚಿತ್ರವನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ. ಈ ವೇಗವು ಸ್ವಾಯತ್ತ ಅಥವಾ ದೂರದಿಂದ ನಿಯಂತ್ರಿಸಲ್ಪಡುವ ವ್ಯವಸ್ಥೆಗಳು ಕ್ಷಣಾರ್ಧದಲ್ಲಿ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಮತ್ತು ಡಿಕ್ಕಿ ಹೊಡೆಯುವುದನ್ನು ತಪ್ಪಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಸಮುದ್ರದ ಆಳದ ಉದ್ಯಮ ಮತ್ತು ರಕ್ಷಣಾ ವಲಯದ ಮೇಲಿನ ಪರಿಣಾಮಗಳು

ಮಣ್ಣಿನ ಕಣಗಳ ನಡುವೆಯೂ ನೋಡುವ ಸಾಮರ್ಥ್ಯವು ಹಲವಾರು ಪ್ರಮುಖ ವಲಯಗಳನ್ನು ಮರುರೂಪಿಸುತ್ತದೆ. ವಿಜ್ಞಾನಿಗಳು ಅಸ್ಥಿರವಾದ ಬೆಂತಿಕ್ ವಲಯಗಳಲ್ಲಿ (benthic zones) ಅಡೆತಡೆಯಿಲ್ಲದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಬಹುದು. ಎಂಜಿನಿಯರ್‌ಗಳು ಅಂಡರ್ ವಾಟರ್ ನಿರ್ಮಾಣ ಮತ್ತು ಮೂಲಸೌಕರ್ಯ ನಿರ್ವಹಣೆಗೆ ವಿಶ್ವಾಸಾರ್ಹ ನೋಟವನ್ನು ಪಡೆಯುತ್ತಾರೆ, ಅಲ್ಲಿ ಮಾನವ ಚಟುವಟಿಕೆಗಳು ನಿರಂತರವಾಗಿ ಮಣ್ಣನ್ನು ಎಬ್ಬಿಸುತ್ತಿರುತ್ತವೆ.

ಈ ತಂತ್ರಜ್ಞಾನವು ರಕ್ಷಣಾ ವಲಯವನ್ನೂ ಬಲಪಡಿಸುತ್ತದೆ. ಮೈನ್-ಕೌಂಟರ್-ಮೆಸರ್ (mine-counter-measure) ಕಾರ್ಯಾಚರಣೆಗಳಲ್ಲಿ, ಸ್ಫೋಟಗೊಳ್ಳದ ಬಾಂಬ್‌ಗಳು ಹೆಚ್ಚಾಗಿ ಮಣ್ಣಿನ ಪದರಗಳ ಅಡಿಯಲ್ಲಿ ಅಡಗಿರುತ್ತವೆ. ಸೋನಾರ್-ವಿಷನ್ ವ್ಯವಸ್ಥೆಯು "ಬ್ಲ್ಯಾಕೌಟ್" ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸಂಚರಿಸುತ್ತದೆ, ವಿಲೇವಾರಿ ಸಾಧನಗಳನ್ನು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಸರಿಯಾದ ಜಾಗದಲ್ಲಿ ಇರಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ಕ್ಯಾಮೆರಾ ಚಿತ್ರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ನೀರು ಸಾಕಷ್ಟು ಸ್ಪಷ್ಟವಾದ ನಂತರ ಗುರಿಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ಈ ಬದಲಾವಣೆಯು ಅಂಡರ್ ವಾಟರ್ ರೋಬೋಟ್‌ಗಳನ್ನು ಕೇವಲ ವೀಕ್ಷಕರಿಂದ ಸಮುದ್ರದ ತಳದಲ್ಲಿ ಸಕ್ರಿಯ ಮತ್ತು ಬುದ್ಧಿವಂತ ಏಜೆಂಟ್‌ಗಳನ್ನಾಗಿ ಮಾಡುತ್ತದೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

  • ಹೈಬ್ರಿಡ್ ನ್ಯಾವಿಗೇಷನ್: ಸೋನಾರ್ ಆರಂಭಿಕ ಭೂಪ್ರದೇಶದ ಚಿತ್ರಣವನ್ನು ನೀಡುತ್ತದೆ; ಪರಿಸ್ಥಿತಿ ಸುಧಾರಿಸಿದ ನಂತರ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಕ್ಯಾಮೆರಾಗಳು ವಿವರವಾದ ದೃಶ್ಯಗಳನ್ನು ನೀಡುತ್ತವೆ.
  • ಅಲ್ಗಾರಿದಮಿಕ್ ವೇಗ: ಫ್ರೆಂಚ್ ಮೂಲದ ಇಮೇಜ್-ಮ್ಯಾಚಿಂಗ್ ರೂಟೀನ್ 2-D ಸೋನಾರ್ ಡೇಟಾದಿಂದ ನೇರವಾಗಿ ಆಳವನ್ನು ಅಂದಾಜಿಸುತ್ತದೆ, ಇದು ನೈಜ-ಸಮಯದ 3-D ಮ್ಯಾಪಿಂಗ್ ಅನ್ನು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ.
  • ಬಹುವಿಧದ ಅನ್ವಯಿಕೆಗಳು: ಈ ವ್ಯವಸ್ಥೆಯು ಸಾಗರಶಾಸ್ತ್ರ, ಸಮುದ್ರದ ಅಡಿಯಲ್ಲಿನ ನಿರ್ಮಾಣ, ಮೂಲಸೌಕರ್ಯ ನಿರ್ವಹಣೆ ಮತ್ತು ಅಪಾಯಕಾರಿ ಮೈನ್ ವಿಲೇವಾರಿಗೆ ಪ್ರಯೋಜನಕಾರಿಯಾಗಿದೆ.

WHOI ನ AI-ಚಾಲಿತ ಸೋನಾರ್-ವಿಷನ್ ವ್ಯವಸ್ಥೆಯು ಈಗ ಮಣ್ಣಿನ ಕಣಗಳು ಕ್ಯಾಮೆರಾಗಳನ್ನು ನಿಷ್ಪ್ರಯೋಜಕಗೊಳಿಸಿದಾಗಲೂ, ಅಂಡರ್ ವಾಟರ್ ರೋಬೋಟ್‌ಗಳು ತಮ್ಮ ಸುತ್ತಮುತ್ತಲಿನ ಪ್ರದೇಶದ 3-D ಚಿತ್ರವನ್ನು ನೈಜ ಸಮಯದಲ್ಲಿ ನಿರ್ಮಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಅಂಧಕಾರದ ಬಿಂದುಗಳಿಂದ ನೈಜ-ಸಮಯದ 3-D ನಕ್ಷೆಗಳವರೆಗೆ

ಸಾಂಪ್ರದಾಯಿಕ ROVಗಳು ವಿವರಗಳಿಗಾಗಿ ಆಪ್ಟಿಕಲ್ ಕ್ಯಾಮೆರಾಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿವೆ, ಆದರೆ ಮಣ್ಣಿನ ಒಂದು ಏಟು ಸ್ಪಷ್ಟ ನೋಟವನ್ನು ಮಸುಕಾದ ಗೋಡೆಯನ್ನಾಗಿ ಬದಲಿಸಬಹುದು. ಸೋನಾರ್—ಸಮುದ್ರದ ತಳಕ್ಕೆ ಬಡಿದು ಮರಳುವ ಶಬ್ದದ ಅಲೆಗಳು—ಮಸುಕಾದ ನೀರನ್ನು xuyênದುರಿಸಬಲ್ಲವು, ಆದರೂ ಅದರ ಕಚ್ಚಾ ಡೇಟಾವು ಸೂಕ್ಷ್ಮವಾದ ವಸ್ತುಗಳನ್ನು ಹಿಡಿಯುವುದು ಅಥವಾ ಕೇಬಲ್ ಅನ್ನು ಅಳವಡಿಸುವುದು போன்ற ಕಾರ್ಯಗಳಿಗೆ ಅಗತ್ಯವಾದ ವಿವರಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ.

Phung ಮತ್ತು Camilli ಈ ಸಮಸ್ಯೆಯನ್ನು ನೇರವಾಗಿ ಎದುರಿಸಿದರು. ಅವರ ಹೈಬ್ರಿಡ್ ವ್ಯವಸ್ಥೆಯು ವೇಗವಾದ ಸೋನಾರ್ ಸ್ವೀಪ್ ಮಾಡುತ್ತದೆ, ಡೇಟಾವನ್ನು ಫ್ರೆಂಚ್ ಇಮೇಜ್-ಮ್ಯಾಚಿಂಗ್ ಅಲ್ಗಾರಿದಮ್‌ಗೆ ನೀಡುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಸೋನಾರ್ ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಆಳದ ಸೂಚಕವಾಗಿ ಪರಿಗಣಿಸುತ್ತದೆ. ಆ ಸೂಚನೆಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುವ ಮೂಲಕ, ಸಾಫ್ಟ್‌ವೇರ್ ROV ತನ್ನ ಹಾದಿಯನ್ನು ತಕ್ಷಣವೇ ಹೊಂದಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುವಷ್ಟು ವೇಗವಾಗಿ ಪೂರ್ಣ 3-D ಮಾಡೆಲ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ.

ವಾಹನವು ಸ್ಪಷ್ಟವಾದ ನೀರನ್ನು ತಲುಪಿದಾಗ—ಅಡಚಣೆಯಿಂದ ದೂರ ಸರಿಯುವ ಮೂಲಕ ಅಥವಾ ಮಣ್ಣು ಕುಳಿತುಕೊಳ್ಳಲು ಕಾಯುವ ಮೂಲಕ—ಅದರ ಮೇಲಿರುವ ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಕ್ಯಾಮೆರಾಗಳು ವಿವರವಾದ ಚಿತ್ರಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತವೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹೇಳುವುದಾದರೆ, ಆಪ್ಟಿಕಲ್ "ಕಣ್ಣುಗಳು" ಕಾರ್ಯನಿರ್ವಹಿಸುವವರೆಗೆ ರೋಬೋಟ್ ತನ್ನ ದಿಕ್ಕನ್ನು ಅರಿಯಲು ಸೋನಾರ್ವು ಕಡಿಮೆ-ರೆಸಲ್ಯೂಶನ್ "ದೃಷ್ಟಿ"ಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ವೇಗ ಏಕೆ ಮುಖ್ಯ?

ಹಳೆಯ ಪೈಪ್‌ಲೈನ್‌ಗಳು ಸೋನಾರ್ ಡೇಟಾವನ್ನು 3-D ನಕ್ಷೆಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸಲು ಸೆಕೆಂಡುಗಳು ಅಥವಾ ನಿಮಿಷಗಳ ಅವಶ್ಯಕತೆ ಇತ್ತು—ಅಡೆತಡೆಗಳನ್ನು ತಪ್ಪಿಸಬೇಕಾದ ಅಥವಾ ಮ್ಯಾನಿಪ್ಯುಲೇಟರ್ ಆರ್ಮ್ ಅನ್ನು ಜೋಡಿಸಬೇಕಾದ ROV ಗೆ ಇದು ತುಂಬಾ ನಿಧಾನವಾಗಿತ್ತು. ಫ್ರೆಂಚ್ ಮೂಲದ ಈ ರೂಟೀನ್ ಸಂಪೂರ್ಣ ಅಕೌಸ್ಟಿಕ್ ಪುನರ್ನಿರ್ಮಾಣದ ಅಗತ್ಯವಿಲ್ಲದೆ, 2-D ಸೋನಾರ್ ಚಿತ್ರದಿಂದ ನೇರವಾಗಿ ಆಳವನ್ನು ಅಂದಾಜಿಸುವ ಮೂಲಕ ಆ ಅಡಚಣೆಯನ್ನು ನಿವಾರಿಸುತ್ತದೆ. ಈಗ ಪರ್ಸೆಪ್ಶನ್ ಲೂಪ್ (perception loop) ನೈಜ ಸಮಯದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ರೋಬೋಟ್‌ಗೆ ಕಡಿದಾದ ಪ್ರದೇಶಗಳು, ಬಿರುಕುಗಳು ಮತ್ತು ಸಡಿಲವಾದ ಅವಶೇಷಗಳ ಬಗ್ಗೆ ಕ್ಷಣಕ್ಷಣಕ್ಕೂ ಅರಿವು ನೀಡುತ್ತದೆ.

In volatile benthic environments, currents can stir up sediment in an instant. A delay of even a few seconds can cause a collision, a lost sample, or a damaged vehicle. The WHOI system lets operators—or autonomous control software—make split-second steering decisions based on a continuously refreshed 3-D picture.

Stakes Across Science, Industry and Defense

Scientific Exploration

Marine biologists and geologists target fragile habitats such as hydrothermal vents or deep-sea corals. Those sites are prone to disturbance; a camera-only approach forces researchers to pause whenever sediment clouds appear, risking missed observations. Sonar-assisted navigation lets an ROV stay at a safe distance, map the terrain, and then close in for high-definition imaging once conditions clear, preserving both habitat and data.

Offshore Construction and Maintenance

Installing pipelines, power cables, or subsea valves demands precise tool positioning in waters that rarely stay calm. Human-operated vessels stir up silt, turning a routine task into a visual guessing game. The hybrid perception system offers a reliable “see-through” view that guides thrusters and manipulators without waiting for the water to settle, potentially cutting project timelines and reducing the risk of accidental strikes on existing infrastructure.

Unexploded ordnance often lies buried under layers of silt, making visual detection impossible. Traditional sonar can locate a mine’s general shape but cannot confirm its identity without a clear line of sight. By fusing sonar mapping with rapid depth estimation, the WHOI platform navigates through “blackout” zones, positions a disposal device with confidence, and verifies the target once the water clears enough for a camera snap. That capability translates into faster, safer mine clearance operations in contested littoral zones.