Tutkimus

Akatemia rahoittaa meripelastusta tukevien droonien kehittämistä

aaltoava meri
Tampereen yliopistossa ryhdytään kehittämään meripelastusta ja -etsintää tukevia autonomisia drooneja Suomen Akatemian rahoituksella. Tietotekniikan professori Moncef Gabbouj’n johtama AutoSOS-tutkimuskonsortio aloittaa työnsä ensi vuoden alussa.

Suomen Akatemian Luonnontieteiden ja tekniikan tutkimuksen toimikunta on myöntänyt ICT 2023: Kaiken autonomia –haussa yhteensä 5,3 miljoonan euron rahoituksen yliopistojen tutkimuskonsortioille. Tampereen yliopisto johtaa kolmea rahoitettavaa tutkimuskonsortiota.

Pelastusalukset ovat merkittävässä roolissa meripelastustehtävissä, joihin droonit tuovat merkittävän edun. AutoSOS-konsortio kehittää itsenäisen meripelastustukialustan, joka pystyy sensorifuusion avulla tunnistamaan objekteja sulautetuissa laitteissa käyttämällä uusia kevyitä AI-malleja.

Alusta suorittaa ympäristöarvion yhtä aikaa tiedusteluoperaation kanssa käyttämällä uusia mukautuvia syväoppimisalgoritmeja. Mukautuvat syväoppimisalgoritmit käyttävät tehokkaasti droonien ja veneen käytettävissä olevia antureita ja laskennallisia resursseja.

Kun droonit löytävät mahdollisen kohteen, ne lähettävät anturitiedot alukselle havainnon todentamista varten. Varsinainen pelastus- ja hoitotoiminta jää pelastushenkilöstön vastuulle.

Jos yhteys dataa lähettävän droonin ja aluksen välillä katkeaa, droonit järjestäytyvät automaattisesti uudelleen muodostaen droonien välisen kommunikaatioverkon varmistaen tiedon perille pääsyn.

Gabbouj’n partnerina tutkimuksessa on Hannu Tenhunen Turun yliopistosta.

Uusia menetelmiä tiedonsiirtoon ja paikannukseen autonomisissa järjestelmissä

Tietoliikennetekniikan professori Mikko Valkaman johtamassa ULTRA-tutkimuskonsortiossa on mukana myös tenure track -professori Simona Lohan Tampereen yliopistosta. Konsortion muut partnerit ovat Riku Jäntti ja Claudio Roncoli Aalto-yliopistosta.

Konsortio kehittää uusia menetelmiä tehokkaaseen tiedonsiirtoon, paikannukseen ja ympäristön havainnointiin autonomisissa järjestelmissä.

Autonomisten liikkuvien koneiden käyttö yleistyy eri teollisuuden aloilla ja koko yhteiskunnassa. Autonomisten järjestelmien tehokas hyödyntäminen edellyttää erittäin luotettavia ja matalan latenssin tiedonsiirtoratkaisuja, mutta myös luotettavaa kyvykkyyttä paikantaa laitteita ja sensoroida erilaisia kohteita.

Projektissa kehitetään kokonaiskonsepti ja erityisesti signaalinkäsittelyratkaisuita, joiden avulla tulevaisuuden 5G-radioverkko voi tarjota tehokkaan ja luotettavan laitteiden välisen kommunikaation lisäksi myös erittäin tarkan paikannus- ja radio-sensorointi -kyvykkyyden. Kehitettävät menetelmät mahdollistavat tarkan ja luotettavan tilannetietoisuuden, ja siten autonomisten järjestelmien laajamittaisen hyödyntämisen.

Tietokonenäköä autonomisille laitteille

Tenure track -tutkija Esa Rahtu Tampereen yliopistosta alkaa tutkia autonomisten laitteiden luotettavaa ja tehokasta tietokonenäköä. REPEAT-konsortiossa ovat mukana myös Jani Boutellier Vaasan yliopistosta ja Juho Kannala Aalto-yliopistosta.

Tutkimus koskee ympäristön hahmottamista, ymmärtämistä ja kuvapohjaista paikannusta konenäön keinoin. Nämä ovat keskeisiä haasteita mille tahansa autonomiselle tai laajennetun todellisuuden järjestelmälle, varsinkin kun tehtävät suoritetaan häiriöllisten havaintosignaalien kuten kuvadatan pohjalta.

Hankkeessa yhdistetään koneoppimisen ja konenäön kehitys sekä tietokonetekniikka, jotta löydetään uusia menetelmiä visuaaliseen 3D-laskentaan ja kuvapohjaiseen paikannukseen huomioiden autonomisten järjestelmien rajalliset tietojenkäsittelyresurssit.

Painopiste on konenäkö- ja sensorifuusiomenetelmien kehittämisessä, sekä visuaalisten paikkaa, asentoa ja semantiikkaa ymmärtävien menetelmien luomisessa. Hanke yhdistää konenäön, koneoppimisen ja tietokonetekniikan, sekä pyrkii uudistamaan näkemystä siitä, miten nämä voidaan yhdistää.

Suomen Akatemian tiedote koko ITC 2023 -ohjelman rahoituspäätöksistä