Multi-AUV Marine Life Tracking with Single Hydrophone Payloads via a Hidden Markov Model Equipped Particle Filter

Resumo Técnico: Rastreamento de Vida Marinha com Múltiplos AUVs e Cargas Úteis de Hidrofone Único

Definição do Problema
O rastreamento de animais marinhos é essencial para compreender a migração, o comportamento e os impactos das mudanças climáticas. Embora a telemetria acústica permita a coleta contínua de dados via transmissores, os arrays de hidrofones estacionários tradicionais sofrem com alta perda de dados quando os animais se movem para fora do alcance. Por outro lado, o rastreamento ativo usando barcos de superfície é trabalhoso e oferece resolução espacial limitada. Soluções anteriores de Veículos Autônomos Subaquáticos (AUVs) tentaram localizar transmissores usando cargas úteis de múltiplos hidrofones montados em estruturas grandes. Embora eficazes para a estimativa de ângulo de chegada, essas cargas úteis pesadas induzem um arrasto significativo, reduzindo a velocidade, a manobrabilidade e a vida útil da bateria do AUV, limitando assim sua capacidade de rastrear animais altamente móveis. Além disso, soluções alternativas que utilizam transmissores transponders exigem transmissores customizados e grandes, que são viáveis apenas para espécies de grande porte, como tubarões.

Metodologia
Este trabalho propõe um sistema utilizando múltiplos AUVs, cada um equipado com um hidrofone omnidirecional único e compacto, para localizar um transmissor acústico. O sistema opera sob a premissa de que o transmissor e os AUVs permanecem próximos à superfície, permitindo a estimativa de estado 2D.

1. Estimativa de Distância: Como o Tempo de Voo (TOF - Time of Flight) não pode ser medido diretamente sem relógios sincronizados, o sistema estima mudanças de distância ($\Delta r$) analisando a diferença entre os intervalos de detecção de sinal consecutivos ($\Delta t$) e o período de pulso conhecido ($T$) do transmissor. A mudança no TOF é calculada como $\Delta TOF = \Delta t - T$. Ao acumular essas mudanças a partir de uma distância inicial conhecida, o sistema estima a distância absoluta entre o AUV e o transmissor.
2. Estimativa de Estado via Filtro de Partículas: Um filtro de partículas funde medições de múltiplos AUVs para estimar o vetor de estado do transmissor: posição ($x, y$), orientação ($\theta$), velocidade linear ($v$) e velocidade angular ($\omega$).
   • Etapa de Predição: As partículas são propagadas no tempo usando um de três modelos de movimento.
   • Etapa de Correção: Os pesos das partículas são atualizados com base na verossimilhança da distância observada e da taxa de variação da distância ($\dot{r}$) dada a predição do estado da partícula.
   • Reamostragem: As partículas são reamostradas para concentrar recursos computacionais em regiões de alta probabilidade.
3. Modelos de Movimento: O estudo compara três modelos de movimento distintos:
   • Caminhada Aleatória de Base (Baseline Random Walk): Adiciona ruído Gaussiano às coordenadas.
   • Modelo de Velocidade: Adiciona ruído Gaussiano às velocidades linear e angular.
   • Modelo Oculto de Markov (HMM): Uma abordagem inovadora onde o modelo de movimento é derivado de dados históricos de trajetórias de tubarões-brancos. O HMM assume que o animal alterna entre estados comportamentais não observáveis, com velocidades observáveis distribuídas de acordo com distribuições de Gamma (velocidade linear) e von Mises (velocidade angular) dependentes do estado.

Principais Contribuições
O artigo descreve cinco contribuições primárias:

1. Um método para medir a distância até transmissores acústicos convencionais usando um único hidrofone omnidirecional em um AUV.
2. Um novo algoritmo de localização multi-AUV empregando um filtro de partículas com um modelo de movimento baseado em HMM.
3. Validação offline do algoritmo usando dados de implantação oceânica do mundo real e ensaios de simulação estendidos.
4. Uma análise comparativa demonstrando que o modelo de movimento HMM supera tanto os modelos de velocidade padrão quanto o de caminhada aleatória.
5. Uma análise da convergência e robustez do sistema sob diferentes níveis de perda de medição.

Resultos
O sistema foi validado usando três conjuntos de dados: um conjunto de dados de Long Beach (transmissor estacionário, AUV em movimento), um conjunto de dados de Santa Elena Bay (transmissor e AUVs em movimento) e um grande conjunto de dados simulados baseado em 124.000 observações de posição de tubarões-brancos.

• Precisão:
  • Curto Prazo/Mundo Real: O sistema alcançou um Erro Quadrático Médio (RMSE) de aproximadamente 10 metros para implantações de curto prazo.
  • Longo Prazo/Simulado: Para testes mais longos em áreas maiores, o RMSE foi de aproximadamente 15 metros.
• Desempenho do Modelo:
  • No conjunto de dados de Long Beach (movimento simples), todos os modelos performaram de forma semelhante (RMSE ~4,4m a 6,1m).
  • No conjunto de dados de Santa Elena Bay (movimento complexo), o modelo HMM alcançou o menor RMSE (8,78 m), superando o modelo de velocidade (12,31 m) e a base (11,22 m).
  • No conjunto de dados Simulado (larga escala), o modelo HMM superou significativamente os outros com um RMSE de 13,62 m, comparado a 30,77 m para o modelo de velocidade e 970,46 m para a base. O HMM foi particularmente eficaz em manter distribuições multimodais (lidando com a ambiguidade entre dois possíveis pontos de intersecção) sem divergir.
• Tempo de Convergência: O modelo HMM geralmente levou mais tempo para convergir (média de 180 s em Santa Elena Bay) comparado ao modelo de base (27 s) e ao de velocidade (40 s), pois manteve a diversidade de partículas em locais ambíguos por mais tempo antes de resolver o estado correto.
• Robustez: O sistema permaneceu robusto com até 20% de perda de medição (tempo médio de convergência ~44 s, RMSE ~15 m). O desempenho degradou gradualmente até 80% de perda, embora os tempos de convergência e o RMSE tenham aumentado significativamente. Acima de 80% de perda, o desempenho deteriorou drasticamente.
• Suposição de Profundidade: A suposição 2D foi validada contra dados de profundidade de tubarões, mostrando que para profundidades de até 10,7 metros, o erro na estimativa de distância 2D é negligenciável em alcances típicos de rastreamento (ex: erro <2,4% a 50m).

Significância
O artigo afirma que este trabalho fornece uma alternativa prática para as pesadas cargas úteis de múltiplos hidrofones em AUVs. Ao equipar múltiplos AUVs com hidrofones únicos e compactos, o sistema reduz o arrasto, permitindo maiores velocidades e melhor manobrabilidade para rastrear vida marinha altamente móvel. A integração de um modelo de movimento HMM, ajustado ao comportamento animal histórico, melhora a precisão da localização sobre modelos de movimento genéricos, particularmente em cenários complexos do mundo real. O sistema demonstra que uma estimativa de estado precisa (aprox. 10–15 m RMSE) é alcançável mesmo com perda significativa de dados e sem exigir transmissores especializados e grandes. Esta abordagem aumenta a eficiência da coleta de dados e oferece um método de rastreamento mais "silencioso", que minimiza o estresse no ambiente e nos animais, auxiliando, em última análise, na identificação de áreas que requerem proteção de conservação.