SAGE: Ergodic Control for Autonomous and Adaptive Inspection of Subsea Infrastructure

Bien en dessous de la surface de l'océan, des infrastructures critiques connues sous le nom d'arbres de Noël sous-marins gèrent le flux de pétrole et de gaz. Ces structures complexes sont parsemées de vannes, de brides et de connecteurs qui nécessitent une surveillance constante pour s'assurer qu'ils ne fuient pas. Pendant des décennies, cette inspection a été une entreprise dirigée par l'homme, s'appuyant sur des plongeurs ou des véhicules télécommandés qui suivent des calendriers stricts et préétablis. Le défi réside dans le fait que chaque partie de la structure n'est pas également importante à chaque instant. Une vanne présentant une suspicion de fuite exige une attention immédiate et fréquente, tandis qu'un composant ayant un historique propre peut attendre plus longtemps. Dans l'approche traditionnelle, si une nouvelle fuite est découverte en pleine mission, l'opérateur humain doit arrêter le véhicule, recalculer manuellement la route et émettre de nouvelles commandes pour prioriser le danger. Ce processus est lent, interrompant le flux de travail et laissant des lacunes critiques dans la couverture pendant que le plan est réécrit.

Des chercheurs ont développé une nouvelle approche appelée SAGE, qui signifie Semantic and Adaptive Generative Ergodicity (Ergodicité Générative Sémantique et Adaptative), conçue pour permettre aux robots sous-marins de gérer eux-mêmes ces changements de priorités. Au lieu de suivre une boucle fixe qui visite chaque point dans le même ordre, ce système traite la zone d'inspection comme une carte de risques. Le robot calcule continuellement où le danger est le plus élevé et ajuste ses mouvements pour passer plus de temps dans ces endroits spécifiques. L'idée centrale est que le chemin du robot doit naturellement refléter les besoins changeants de la mission. Si une vanne devient soudainement à haut risque, le robot n'attend pas qu'un humain redessine la carte ; il commence immédiatement à circuler autour de cette vanne plus fréquemment, simplement parce que son calcul interne de « où aller ensuite » a changé. Cette méthode, connue sous le nom de contrôle ergodique, aligne le mouvement du robot avec une distribution de risque en direct, garantissant que le temps passé près d'un composant est proportionnel à l'attention dont ce composant a besoin en ce moment.

Dans un environnement simulé, les chercheurs ont testé ce système contre une méthode standard à itinéraire fixe en utilisant un scénario comprenant deux structures sous-marines contenant cinq vannes au total. Ils ont créé une situation où une vanne présentait une fuite significative, représentant un scénque de haut risque, tandis que les autres restaient de routine. La méthode traditionnelle, qui utilisait un parcours pré-planifié, traitait chaque vanne selon le même calendrier. Elle visitait chaque vanne exactement toutes les 8,1 secondes, indépendamment du fait qu'une vanne fuit ou soit parfaitement sûre. Même lorsque le risque à la vanne fuyante augmentait brusquement, le robot continuait sa boucle fixe, incapable de prioriser l'urgence sans qu'un humain n'interrompe la mission pour replanifier la route. En revanche, le système SAGE a réagi instantanément à la fuite simulée. Sans aucune intervention humaine ni pause pour recalculer un chemin, le robot a automatiquement modifié son comportement. Il a commencé à visiter la vanne fuyante toutes les 5,8 secondes, la vérifiant environ 1,4 fois plus souvent que le robot à itinéraire fixe. Au cours d'une simulation de cinq minutes, le robot SAGE a visité la vanne fuyante 50 fois, tandis que le robot traditionnel ne l'a visitée que 37 fois.

La différence de performance s'est étendue au-delà de la seule vanne fuyante. Parce que le système SAGE était concentré sur la zone à haut risque, il passait naturellement moins de temps aux vannes qui ne présentaient aucune menace. Dans la simulation, le robot a complètement ignoré une des vannes à faible risque, la visitant zéro fois, alors que le robot à itinéraire fixe a perdu du temps à la vérifier 37 fois. Cette capacité à allouer dynamiquement le temps signifie qu'une fuite potentielle peut passer inaperçue pendant une période beaucoup plus courte sous le nouveau système. Les chercheurs ont constaté que le temps entre les vérifications de la vanne dangereuse a été réduit de manière significative, réduisant la fenêtre de vulnérabilité à environ les deux tiers de ce qu'elle était avec l'ancienne méthode. Le système y est parvenu en mettant constamment à jour une carte mentale du risque et en ajustant sa vitesse et sa direction en temps réel, plutôt qu'en suivant un script rigide.

Bien que les résultats de la simulation soient prometteurs, les chercheurs reconnaissent que le système présente des limites. Lors du test, l'attention intense du robot pour la vanne fuyante l'a conduit à négliger complètement la vanne au risque le plus faible, ce qui pourrait être problématique si cette vanne développait soudainement un problème. L'équipe suggère que les futures versions du logiciel pourraient inclure une règle de sécurité pour garantir que chaque vanne est vérifiée au moins une fois, même si elle est à faible risque, assurant ainsi qu'aucune partie de la structure n'est entièrement oubliée. Les prochaines étapes de cette technologie consistent à boucler la boucle entre les yeux et le cerveau du robot. Actuellement, les niveaux de risque dans la simulation étaient définis manuellement, mais l'objectif ultime est que le robot détecte directement les fuites via ses caméras ou son sonar et mette à jour la carte de risque automatiquement. Les chercheurs prévoient également de tester le système sur de vrais véhicules sous-marins dans l'océan, incluant des expériences où une fuite est introduite en milieu de mission pour voir comment le robot s'adapte dans le monde réel.

Cette technologie représente un passage d'une planification rigide à une conscience adaptative, permettant aux systèmes autonomes de prendre des décisions basées sur des conditions en temps réel plutôt que sur un plan pré-écrit. La même logique pourrait éventuellement être appliquée à d'autres tâches où les priorités changent à la volée, comme la recherche de survivants dans des zones de catastrophe, la surveillance des risques environnementaux tels que les marées noires, ou la collecte de déchets dans les eaux côtières. En laissant le robot décider où aller en fonction de l'endroit où le besoin est le plus grand, le système offre un moyen de rendre l'inspection sous-marine plus rapide, plus sûre et plus réactive aux réalités immédiates des profondeurs de l'océan.