Decentralized Vision-Based Autonomous Aerial Wildlife Monitoring

Het observeren van wilde dieren in de natuur is altijd een delicaat evenwicht geweest. Biologen moeten dieren duidelijk kunnen zien om hun gedrag en gezondheid te begrijpen, maar het loutere feit van dichtbij komen kan de wezens verstoren of hun natuurlijke handelingen veranderen. Traditionele methoden vertrouwen vaak op menselijke waarnemers in boten of vliegtuigen, die beperkt worden door hoeveel mensen er tegelijkertijd in de lucht kunnen zijn en hoe lang ze kunnen blijven. Zelfs wanneer robots worden gebruikt, zijn ze vaak ontworpen om een hele groep dieren als een enkele eenheid te observeren, of ze vereisen een centrale computer op de grond om elke drone aan te sturen. Deze centrale controle creëert een knelpunt; als het signaal wegvalt, stopt het hele team met werken. Bovendien vertrouwen veel systemen op complexe sensoren of snelle internetverbindingen die in afgelegen oceanen of bossen simpelweg niet bestaan. De uitdaging is dan om een team van vliegende robots te creëren dat samen kan werken zonder een baas, waarbij ze alleen hun eigen ogen gebruiken om individuele dieren te vinden, te identificeren en te volgen in realtime.

Een team onderzoekers heeft een systeem ontwikkeld dat dit probleem oplost door een zwerm drones het vermogen te geven om volledig zelfstandig te coördineren. In plaats van te vertrouwen op een centraal commandocentrum of constant radiogeluid, gebruiken deze drones een gedecentraliseerde aanpak, wat betekent dat elke robot zijn eigen beslissingen neemt op basis van wat hij ziet en wat zijn directe buren hem vertellen. Het systeem is ontworpen om lichtgewicht te zijn, waarbij slechts een standaardcamera op elke drone wordt gebruikt, en het werkt effectief, zelfs wanneer de communicatie traag of beperkt is. De onderzoekers testten dit concept door spermwalsen als model te gebruiken, een soort die moeilijk te volgen is omdat ze een groot deel van hun tijd onder water doorbrengen en vaak ver van de kust zijn. Het doel was om te bewijzen dat een groep drones autonoom naar deze dieren kan zoeken, het met elkaar eens kan worden over welke specifieke walvis wie is, en elke drone één walvis kan toewijzen om te volgen, allemaal zonder dat er ooit een mens hoeft in te grijpen of een centrale computer de vloot hoeft aan te sturen.

Het proces begint met een enkele drone die optreedt als verkenner. Deze vliegt in een steeds breder wordend spiraalpatroon over een groot gebied en scant het water met zijn camera. Wanneer de beeldverwerkingssoftware een walvis spot, maakt deze niet alleen een foto; de drone berekent de precieze locatie en stuilt een signaal naar de rest van de zwerm. De andere drones vliegen vervolgens naar die locatie om een groep, of "zwerm", rond de dieren te vormen. Dit is waar de ware innovatie van het systeem naar voren komt. Zodra de drones zijn verzameld, moeten ze uitzoeken naar welke walvis elke drone kijkt, omdat verschillende drones dezelfde dieren vanuit verschillende hoeken zien. Om dit op te lossen, hebben de onderzoekers een methode ontwikkeld waarbij de drones informatie aan hun buren doorgeven in een keten. Elke drone vergelijkt de lijst met walvissen die hij ziet met de lijst die zijn buurman ziet, en koppelt deze aan elkaar op basis van hun posities en vormen, totdat de hele groep het eens is over een enkele, verenigde kaart van wie wie is. Dit gebeurt volledig via visuele gegevens, zonder dat er GPS-coördinaten voor de dieren zelf nodig zijn.

Zodra de groep het eens is over de identiteiten van de walvissen, moeten ze beslissen welke drone welke volgt. Het systeem gebruikt een slim algoritme dat naar de gehele groep en de beschikbare walvissen kijkt om de best mogende koppelingen toe te wijzen. Het zorgt ervoor dat niet twee drones proberen dezelfde walvis te volgen en dat er geen walvis onbeheerd wordt gelaten, zelfs als er meer walvissen dan drones zijn. Deze besluitvorming vindt lokaal plaats, waarbij elke drone alleen met zijn buren praat, waardoor het systeem kan opschalen of afschalen afhankelijk van hoeveel dieren aanwezig zijn. Nadat de toewijzingen zijn gemaakt, vergrendelt elke drone zich op zijn specifieke walvis en gebruikt een camera om de bewegingen van het dier in realtime te volgen. De drone past zijn vlucht aan om de walvis in het midden van zijn gezichtsveld te houden, waardoor een continu, hoogwaardig verslag van het gedrag van dat individu wordt gemaakt.

De onderzoekers valideerden dit systeem via een reeks tests, beginnend met computersimulaties en overgaand naar vluchten in de echte wereld. In het veld vlogen ze met drones over een voetbalveld waar ze grote posters van walvissen hadden geplaatst om de dieren te simuleren. De drones zochten het gebied succesvol af, vonden de doelwitten, kwamen samen en wijsden zichzelf toe aan specifieke posters. Ze toonden aan dat het systeem de complexiteit van meerdere doelwitten en meerdere waarnemers kon aan, waarbij de nauwkeurigheid behouden bleef, zelfs wanneer de drones bewogen en het zicht op de walvissen veranderde. De tests toonden aan dat de drones met zeer weinig gegevens konden communiceren, door alleen de essentiële informatie te versturen die nodig is om te coördineren, wat betekent dat het systeem kan werken in afgelegen gebieden met slechte internetverbindingen. De resultaten waren zeer betrouwbaar, waarbij de drones de doelwitten in bijna alle gevallen correct identificeerden en volgden, wat bewees dat een gedecentraliseerde, op visie gebaseerde aanpak een levensvatbare manier is om natuur te monitoren op grote schaal.

Dit werk vormt een belangrijke stap voorwaarts in hoe we de natuur kunnen bestuderen zonder deze te verstoren. Door de noodzaak van een centrale controller weg te nemen en te vertrouwen op het vermogen van de drones om te zien en met elkaar te communiceren, hebben de onderzoekers een hulpmiddel gecreëerd dat zowel flexibel als robuust is. Het stelt wetenschappers in staat om individuele dieren in hun natuurlijke habitat te observeren met een niveau van detail en volharding dat voorheen onmogelijk was. Het systeem is niet slechts een theoretisch idee; het is getest onder reële omstandigheden en heeft bewezen effectief te werken. Naarms de technologie rijpt, zou dit ecologisch onderzoek kunnen transformeren, door een continue monitoring van bedreigde soorten mogelijk te maken en cruciale gegevens over hun gezondheid en gedrag te leveren zonder de verstoring van menselijke waarnemers. Het vermogen om een zwerm machines samen te laten werken als een enkele, intelligente eenheid opent nieuwe mogelijkheden voor het begrijpen van de natuurlijke wereld, en biedt een stille, onopvallende manier om van bovenaf naar de wildernis te kijken.