DRL-Based Adaptive Routing for Energy-Efficient and Reliable Underwater Wireless Sensor Networks

Sob a superfície do oceano, onde a luz solar desaparece e a presença humana é escassa, uma revolução silenciosa na coleta de dados está ocorrendo. Cientistas implantam redes de pequenos sensores alimentados por bateria para monitorar tudo, desde níveis de poluição até a saúde dos recifes de coral. Esses dispositivos não podem depender das ondas de rádio que transportam nossos sinais de celular, porque a água absorve esses sinais quase instantaneamente. Em vez disso, eles devem se comunicar uns com os outros usando o som, enviando pulsos acústicos através da água escura para transmitir informações. Este método de comunicação é inerentemente difícil; o som viaja lentamente, a água é barulhenta e os próprios sensores têm energia muito limitada. Uma vez que um sensor é lançado no mar, ele não pode ser recarregado ou substituído facilmente. Se um sensor ficar sem energia, ele silencia e, se o caminho para seus dados for bloqueado, a informação é perdida para sempre. O desafio central para os engenheiros é criar um sistema que mantenra essas redes subaquáticas vivas e comunicativas pelo maior tempo possível, garantindo que cada bit de dados chegue à superfície sem esgotar as baterias dos poucos nós restantes.

Em um estudo recente, os pesquisadores Zeeshan Rasheed, Shahzad Ashraf e Muhammad Junaid Rabbani abordaram esse problema ensinando os sensores a fazer escolhas mais inteligentes sobre quem deve carregar suas mensagens. Eles desenvolveram um novo método de roteamento baseado em um tipo de inteligência artificial chamada aprendizagem por reforço profundo. Em termos simples, este é um sistema que aprende com a experiência. Imagine um nó sensor que precisa decidir qual vizinho deve receber sua próxima mensagem. Em vez de seguir uma regra rígida e pré-escrita, este novo sistema avalia seus vizinhos em tempo real. Ele observa quanta energia de bateria cada vizinho ainda possui, quão clara é a conexão sonora entre eles, quanto progresso a mensagem está fazendo em direção à superfície e se o caminho à frente pode levar a um beco sem saída onde não existam mais vizinhos. O sistema então escolhe o único melhor vizinho para encaminhar os dados, equilibrando a necessidade de mover a mensagem rapidamente com a necessidade de economizar energia para o futuro.

Os pesquisadores testaram essa abordagem em uma simulação computacional detalhada que mimetizava as condições complexas do oceano, incluindo o movimento da água, o ruído do ambiente e o posicionamento aleatório dos sensores. Eles compararam seu novo método com nove outras estratégias de roteamento existentes, variando de regras simples baseadas em distância a outros sistemas de aprendizagem avançados. Os resultados mostraram uma vantagem clara para a nova abordagem. Em simulações envolvendo cem nós sensores, o método proposto entregou com sucesso 93,26 por cento de todas as mensagens à superfície. Este foi um avanço significativo em relação ao segundo melhor método baseado em aprendizagem, que entregou apenas 85,70 por cento. Mais importante ainda, o novo método foi muito melhor em preservar a energia da rede. Ao final da simulação, os sensores que utilizavam este novo sistema ainda tinham 87,732 por cento de sua energia de bateria original restante, enquanto os outros métodos haviam consumido muito mais. Esta eficiência permitiu que a rede operasse por 662,6 rodadas de transmissão de dados antes de falhar, comparado a apenas 625 rodadas do competidor mais próximo.

O sucesso deste sistema vem de sua capacidade de evitar armadililhas comuns que assolam as redes subaquáticas. Métodos antigos frequentemente escolhiam os mesmos poucos sensores para encaminhar mensagens porque estavam mais próximos da superfície ou tinham o sinal mais forte, o que drenava rapidamente esses nós específicos e criava lacunas na rede. O novo sistema baseado em aprendizagem, no entanto, evita ativamente sobrecarregar qualquer nó individual. Ele também aprende a reconhecer e evitar "vazios", que são áreas onde não existe um vizinho adequado para dar o próximo passo. Ao penalizar escolhas que levam a esses becos sem saída ou que dependem de conexões fracas e ruidosas, o sistema garante que os dados continuem se movendo sem ficarem presos ou perdidos. O estudo descobriu que este processo de seleção cuidadosa reduziu o número de mensagens falhas causadas por esses vazios em quase metade em comparação com outros métodos baseados em aprendizagem. Além disso, o sistema conseguiu entregar dados mais rapidamente, com um atraso médio de apenas 0,982 segundos, superando os outros métodos que lutavam com atrasos superiores a 1,1 segundos.

Para entender exatamente por que este novo método funcionou tão bem, os pesquisadores realizaram uma série de testes onde removeram partes específicas do sistema uma a uma. Quando removeram a parte que verificava a bateria restante, a vida útil da rede caiu significativamente. Quando removeram a parte que avaliava a qualidade da conexão sonora, o número de mensagens perdidas aumentou. Quando removeram a parte que aprendia a equilibrar essas diferentes prioridades com base em mudanças nas condições, o desempenho geral caiu para o seu ponto mais baixo. Estes testes confirmaram que nenhum fator isolado era suficiente por si só; o sucesso do sistema dependia da combinação inteligente de consciência energética, qualidade de sinal, velocidade e avaliação de risco. Os pesquisadores também observaram que, embora o novo método exigisse um pouco mais de tempo para cada sensor tomar uma decisão — cerca de 0,60 milissegundos comparado a 0,35 milissegundos para métodos mais simples — este minúsculo atraso era uma troca que valia a pena pelos ganhos massivos em confiabilidade e vida útil da bateria.

O estudo também explorou como fatores ambientais como temperatura da água e salinidade afetam essas redes. Os pesquisadores descobriram que as mudanças de temperatura tinham o impacto mais significativo em como o som viaja, seguidas de perto pela salinidade. Seu sistema foi projetado para se adaptar a essas mudanças, ajustando suas escolhas com base na confiabilidade atual dos links acústicos. Em simulações onde o ambiente se tornou mais difícil, com maior ruído ou condições instáveis, o novo método manteve sua alta taxa de entrega enquanto outros protocolos enfrentavam dificuldades e falhavam com mais frequência. Esta robustez sugere que o sistema poderia lidar com a natureza imprevisível do oceano real melhor do que as tecnologias atuais. Os pesquisadores concluíram que, ao usar esta abordagem adaptativa e baseada em aprendizagem, as redes de sensores subaquáticos podem se tornar muito mais confiáveis e duradouras, garantindo que os dados críticos que coletam cheguem aos cientistas na superfície sem que a rede colapse por exaustão de energia. Embora os resultados tenham sido alcançados através de simulação, os autores sugerem que o próximo passo seria testar essas descobertas em hardware real para ver se a economia de bateria e as taxas de entrega se sustentam no mundo físico.