World-Model-Grounded LLM Planning for AUV and ASV Navigation Near Offshore Wind Farms

Stellen Sie sich einen Roboter vor, der einen einfachen Satz wie „Gehe und inspiziere diese Windkraftanlage“ verstehen kann und dann herausfinden kann, welche Schritte nötig sind, um dorthin zu gelangen. Jahrelang haben Wissenschaftler versucht, künstliche Intelligenz genau dazu zu bringen, indem sie große Sprachmodelle einsetzten – dieselbe Technologie, die intelligente Assistenten und Chatbots antreibt. Diese Systeme sind exzellent darin, ein großes Ziel in kleinere Handlungen zu zerlegen, wie zum Beispiel „vorwärts bewegen“, „nach links drehen“ oder „anhalten“. Sie haben jedoch eine kritische Schwachstelle: Sie verstehen keine Physik. Sie kennen die Wörter für das Bewegen eines Bootes oder eines U-Boots, aber sie können das Gewicht des Wassers, den Widerstand der Strömung oder die Verzögerung, die es braucht, bis ein Motor reagiert, nicht fühlen. Wenn man ein Standard-Sprachmodell bittet, ein Schiff um eine Turbine zu steuern, schlägt es vielleicht eine Wende vor, die auf dem Papier perfekt aussieht, aber in der Realität scheitert, weil das Wasser das Boot zur Seite drückt oder der Motor verzögert reagiert, was dazu führt, dass das Fahrzeug direkt gegen das Bauwerk driftet. Diese Lücke zwischen dem, was ein Computer zu erwarten glaubt, und dem, was in der Realität im Ozean tatsächlich passiert, ist das zentrale Problem, das Forscher der Norwegischen Verteidigungsforschungseinrichtung und der Heriot-Watt-Universität lösen wollten.

Das Team entwickelte einen neuen Weg, um autonome Roboter in der Nähe von Offshore-Windparks zu führen, indem sie ihnen ein „Weltmodell“ gaben. Betrachten Sie dies nicht als ein zweites Gehirn, das denkt, sondern als einen hochpräzisen Simulator, der im Hintergrund läuft. In diesem System fungiert das Sprachmodell weiterhin als Kommandant, der die Abfolge der Handlungen basierend auf der Missionsbeschreibung entscheidet. Doch bevor der Roboter sich bewegt, greift das Weltmodell ein, um die Fragen nach dem „Wie lange“ und „Wie viel“ zu beantworten. Es berechnet die präzise Dauer für jede Bewegung und prüft, ob der Plan den physikalischen Realitäten des Ozeans, wie Wellen, Strömungen und der spezifischen Art und Weise, wie die Triebwerke des Roboters funktionieren, standhält. Wenn der Plan so aussieht, als würde er zu einer Kollision führen, passt das Weltmodell die Zeitplanung oder den Pfad an und stellt so sicher, dass der Roboter sicher bleibt, während er dennoch sein Ziel erreicht.

Um diesen Ansatz zu testen, arbeiteten die Forscher mit zwei sehr unterschiedlichen Arten von Robotern: einem Unterwasserfahrzeug, das sich in alle Richtungen bewegen kann, einschließlich seitwärts, und einem Oberflächenboot, das sich nur vorwärts, rückwärts und drehend bewegen kann, ähnlich wie ein Auto. Sie schufen ein Hybridsystem, bei dem ein Standard-Physiksimulator die grundlegenden Bewegungsregeln lieferte und ein neuronales Netz lernte, die kleinen, chaotischen Fehler zu korrigieren, die reale Maschinen machen. Diese Kombination ermöglichte es dem System, den zukünftigen Zustand des Roboters mit extremer Präzision vorherzusagen. In ihren Simulationen konnte das System vorhersagen, wo sich der Unterwasserroboter nach einer Minute befinden würde, mit einem Fehler von weniger als einem Millimeter, und wo sich das Oberflächenboot befinden würde, mit einem Fehler von weniger als einem halben Meter.

Die Ergebnisse ihrer Tests waren beeindruckend. Als die Roboter Missionen erhielten, um um Windkraftanlagen und Kabel zu navigieren, versagte das Sprachmodell allein vollständig. Es kollidierte in jedem einzelnen Versuch mit Hindernissen, da es nicht in der Lage war, die durch Wasserströmungen verursachte Drift oder die Verzögerung der Motoren zu berücksichtigen. Im Gegensatz dazu erreichten sowohl der Unterwasser- als auch der Oberflächenroboter in Kombination mit dem Sprachmodell und dem Weltmodell ihr Ziel, ohne eine einzige Kollision zu verursachen. Das System reduzierte die Distanz zwischen dem Ort, an dem der Roboter stoppte, und seinem beabsichtigten Ziel um etwa 93 Prozent beim Unterwasserfahrzeug und zwischen 70 und 82 Prozent beim Oberflächenboot im Vergleich zu den ungesteuerten Versuchen.

Ein besonders kluger Teil der Arbeit betraf das Oberflächenboot, das oft zu klein und zu günstig ist, um teure Sensoren wie Sonar oder Laserscanner zur Echtzeit-Kartierung des Meeresbodens mitzuführen. Anstatt sich auf Onboard-Sensoren zu verlassen, brachten die Forscher dem System bei, die Umgebung mithilfe von Satellitenbildern, Seekarten und Wettervorhersagen zu „sehen“. Ein Vision-Language-Modell analysierte diese bestehenden Karten, um Hindernisse wie flache Felsen oder untergetauchte Strukturen zu identifizieren und diese in eine digitale Karte umzuwandeln, die der Roboter nutzen konnte. Diese Methode erwies sich als ebenso effektiv wie die manuelle Zeichnung von Hindernissen auf einer Karte und erreichte eine Genauigkeit von 96 Prozent bei der Unterscheidung zwischen befahrbaren und nicht befahrbaren Bereichen. Dies bedeutet, dass kostengünstige Roboter bald komplexe Küstengebiete navigieren könnten, ohne schwere, teure Ausrüstung mitführen zu müssen.

Die Forscher testeten auch, wie gut dieses System in einer realistischeren, hochpräzisen Simulation bestehen würde, die komplexe Wellenmuster und unvorhersehbare Strömungen beinhaltete. Selbst in dieser anspruchsvollen Umgebung blieben die Roboter kollisionsfrei. Das System enthielt einen Sicherheitsmechanismus, der den Plan während der Bewegung des Roboters ständig neu bewertete. Wenn der Roboter aufgrund einer plötzlichen Welle vom Kurs abwich, berechnete das System den verbleibenden Pfad schnell neu, um sicherzustellen, dass es das Ziel immer noch sicher erreichen konnte. Dieser geschlossene Regelkreis, der wie eine ständige Kontrolle und Abstimmung fungiert, war entscheidend für den Erfolg, insbesondere bei engen Manövern, bei denen ein kleiner Fehler zu einer Kollision führen könnte.

Letztendlich zeigt die Studie, dass künstliche Intelligenz zwar mächtig darin ist, Sprache zu verstehen und Sequenzen zu planen, sie aber eine Verankerung in der physikalischen Realität benötigt, um in der realen Welt nützlich zu sein. Durch die Kombination der logischen Schlussfolgerung eines Sprachmodells mit einem physikbewussten Weltmodell schufen die Forscher ein System, das autonome Fahrzeuge sicher durch die komplexe und dynamische Umgebung von Offshore-Windparks führen kann. Die Arbeit legt nahe, dass die Zukunft der maritimen Robotik nicht darin liegt, das Sprachmodell intelligenter zu machen, sondern ihm ein besseres Verständnis der physischen Welt zu geben, in der es operiert, damit es Entscheidungen treffen kann, die nicht nur logisch, sondern auch physikalisch möglich sind.