SUbsea enhanced REality program (SURE)

Autonomous Underwater Vehicle
Maximaliseren van situational awareness voor het veilig en effectief onder water uitvoeren van inspecties, reparaties en onderhoud.

Hoe kunnen onbemande onderwatervoertuigen omgaan met de uitdagende onderwater-omgevingscondities? Welk niveau van autonomie is nodig om autonoom veilig en efficiënt taken uit te voeren? Deze en meer vragen komen aan de orde binnen de SURE use case voor de automatisering van onderwaterinspectie, reparatie- en onderhoudstaken.

Inzet van Artificial Intelligence (AI)

Voor een veilige en efficiënte autonome taakuitvoering is het een vereiste dat onderwatervoertuigen (Autonomous Underwater Vehicles of AUVs) voldoende kennis hebben van hun omgeving, de voorkeuren van de operator en de eigen mogelijkheden. Om hun omgeving waar te nemen en hun positie te bepalen gebruiken AUV’s een combinatie van sonar, camera en navigatiesensoren. De inzet van AI ondersteunt de interpretatie van de grote hoeveelheid multisensorische data die met behulp van deze sensoren wordt verkregen. De navigatieprestaties van de AUV en de beoordeling van de nauwkeurigheid hiervan zijn essentieel om veilige operaties op zee te garanderen. Dit is met name het geval bij het opereren in de nabijheid van infrastructuur of wanneer andere schepen actief zijn in het gebied. AI wordt gebruikt om de opbouw van navigatiefouten (drift) te verminderen. De momenteel gebruikte methoden zijn niet nauwkeurig genoeg om de invloed van omgevingsparameters zoals zeestromingen op het dynamische gedrag van de AUV te bepalen. De huidige methoden gebruiken een enkele configuratie van onzekerheidsparameters die vaak leidt tot een onnauwkeurige inschatting van de positie bij wisselende omgevingscondities. De geschatte positie-onnauwkeurigheid kan worden verbeterd door de operationele omstandigheden in clusters te groeperen en voor elk van deze individuele clusters een specifieke onzekerheidsconfiguratie te gebruiken. Ook kan AI de planning van AUVs verbeteren door de uitvoering van werkzaamheden aan te passen aan de omstandigheden en de AUV zelf te laten beslissen wanneer verbinding met de operator nodig is om te overleggen over nieuwe instructies.

Onderstaande afbeelding toont een gesimuleerde AUV-track in een simulatieomgeving. Deze is gemaakt op basis van gemeten data die is vastgelegd in het IJmuiden fieldlab. In dit fieldlab worden de prestaties van sensoren en onderwatervoertuigen getest om de ontwikkeling van autonome inspectie van onderwaterinfrastructuur te versnellen. Deze simulatieomgeving kan worden gebruikt om onderwatervoertuigen te trainen voor autonome inspectie, reparatie- en onderhoudstaken.

Welke uitdaging lost het op?

Het aantal kust- en offshore installaties neemt toe. Al deze installaties vereisen inspectie, reparatie en onderhoud. Duikers voeren nu het grootste deel van het dit werk uit. De trend is dat hiervoor in de nabije toekomst nog meer gebruik gemaakt gaat worden van op afstand bediende onderwatervoertuigen. De moeilijke omstandigheden op zee vormen een hoog risico voor de duikers en beperken de effectiviteit van de momenteel beschikbare onbemande onderwatervoertuigen. Om de zware bedrijfsomstandigheden onder water te overwinnen worden duikers en onbemande onderwatervoertuigen uitgerust met een breed scala aan sensoren om hun navigatie en waarneming te verbeteren. Vaak is een combinatie van meerdere sensormodaliteiten nodig om een betrouwbaar beeld te creëren. De real-time interpretatie van sensorgegevens is echter een complexe uitdaging, waardoor het effectieve gebruik van AUVs voor inspectie, reparatie en onderhoud wordt beperkt.

Aanpak

Het SURE-programma maakt gebruik van een agile benadering om te komen tot innovatie. In nauwe samenwerking met de partners worden de juiste tussenproducten gedefinieerd en ontwikkeld die allen bijdragen aan het einddoel. Wilt u meer weten over het SURE-programma, neem dan contact op met TNO.

Partners

TNO werkt samen met RWS en Boskalis aan veiligere en efficiëntere inspecties, reparaties en onderhoud oplossing met behulp van autonome onderwatervoertuigen en AI. Dit project is onderdeel van het Appl.AI programma van TNO en wordt mede gefinancierd vanuit de startimpuls die de NL AIC ontving van het kabinet voor onderzoek naar en het ontwikkelen van AI-toepassingen

Delen met:

Meer informatie

Bouwstenen

De NL AIC werkt samen aan de benodigde kennis, expertise en resultaten op vijf thema’s, ook wel bouwstenen genoemd, die belangrijk zijn voor een innovatieve impact in economische en maatschappelijke toepassingsgebieden.

Toepassingsgebieden

AI is een generieke technologie die uiteindelijk haar toepassing vindt in alle sectoren. Het is van belang in te zetten op specifieke, voor Nederland relevante sectoren, waar goede resultaten te behalen zijn en waar kennis en ervaring opgeschaald kan worden voor toepassing in andere sectoren.

Word deelnemer

Om initiatieven in Artificial Intelligence te stimuleren en te verbinden, zijn we er als Nederlandse AI Coalitie van overtuigd dat een actieve samenwerking met een breed palet aan stakeholders essentieel is. In het eigen vakgebied en met andere stakeholders in het ecosysteem om een zo groot mogelijke impact te bereiken voor de ontwikkeling en toepassing van AI in Nederland. Vertegenwoordigers uit het bedrijfsleven (groot, klein, startup), overheid, onderzoeks- en onderwijsinstellingen en maatschappelijke organisaties kunnen deelnemen.

Geïnteresseerd? Kijk voor meer informatie op de pagina over de NL AIC.