Micaela Carolina Jara, doctoranda del del Programa de Doctorado en Ciencias de los Datos de la Universidad Loyola, ha defendido su tesis en el Salón de Grados Campus de Sevilla de la Universidad Loyola obteniendo una calificación de sobresaliente cum laude.
En su trabajo titulado "Informative Path Planning Based on Swarm Intelligence for a Fleet of Autonomous Surfece Vehicles for Water Reosurce Monitoring" con mención internacional, la doctoranda ha realizado el desarrollo de un sistema diseñado para monitorizar parámetros de calidad del agua en recursos hídricos utilizando una flota de vehículos autónomos de superficie.
La metodología propuesta se centra en una planificación informativa de trayectorias basada en técnicas de optimización por enjambre de partículas y Procesos Gaussianos, combinando la capacidad de aprendizaje de las primeras con las predicciones de los modelos de los segundos.
Los objetivos principales son generar modelos fiables y precisos de los parámetros de calidad del agua e identificar posibles focos de contaminación.
Un sistema inteligente para medir parámetros de calidad del agua
La conservación, la monitorización y la gestión de extensas masas de agua han planteado importantes retos en las últimas décadas. Para mantener la calidad de estos recursos hídricos, es esencial realizar un seguimiento continuo de los niveles de contaminación. Esta monitorización se realiza mediante la observación de los parámetros de calidad del agua. Un enfoque eficiente y eficaz para llevar a cabo este seguimiento es mediante la utilización de un sistema inteligente que emplea vehículos autónomos de superficie equipados con sensores diseñados para medir estos parámetros.
Primero se estableció una planificación informativa de trayectorias de los vehículos que sirvió de algoritmo fundacional para los subsiguientes sistemas propuestos. La segunda planificación informativa de rutas en cuestión se hizo en dos fases. Una inicial para la exploración de las masas de agua y una segunda fase en la que los drones se dividen en sub-flotas, cada una de las cuales se dedica a la explotación de una zona de contaminación potencial. En esta última fase, el enfoque de explotación se complementó con la integración de la técnica de aprendizaje federado, dotando a las sub-flotas de autonomía para generar modelos de parámetros de calidad del agua.
Finalmente, se presenta un sistema de monitorización multi-objetivo diseñado para flotas heterogéneas. Estas flotas engloban vehículos con diferentes capacidades de sensores, con diversos tipos y cantidades de sensores a bordo y tienen una misión estructurada en tres fases distintas: exploración, asignación de vehículos a zonas de contaminación en función de su configuración de sensores y, por último, la fase de explotación.
La evaluación de las planificaciones de trayectorias informativas propuestas se llevó a cabo en un entorno simulado del lago Ypacarai, arrojando resultados. Estos resultados indican la capacidad de obtener modelos fiables y precisos de los parámetros de calidad del agua, así como la detección satisfactoria de picos de contaminación en el lago. Además, en comparación con otros algoritmos, los planificadores de trayectorias informativos propuestos superaron a sus homólogos, lo que subraya aún más su eficacia.
La tesis ha sido dirigida por la investigadora de la Universidad Loyola Isabel Jurado Flores y el profesor doctor Daniel Gutierrez Reina. El Tribunal, estuvo presidido por los profesores doctores Sergio Luis Toral Marín, Alfonso Carlos Martínez Estudillo y Nicola Basilico.
Micaela Carolina Jara ha trabajado hasta el momento como ayudante de investigación en el grupo de la Universidad Loyola Optimization and Control of Distributed Systems. Los científicos de la Universidad Loyola cuentan con una serie de drones acuáticos que incorporan dispositivos de comunicación inalámbricos mediante los cuales puede compartir con otros vehículos los datos adquiridos durante su movimiento. Para ello cada vehículo incorpora un conjunto de sensores que permiten determinar parámetros de calidad del agua como pH, oxígeno disuelto y turbidez, parámetros ambientales, como temperatura y humedad, y agentes contaminantes, como algas y cianobacterias que puedan resultar perjudiciales para el consumo humano y/o la explotación de dichas aguas. De esta forma, a lo largo de los últimos años, los investigadores de la Universidad Loyola junto con otros expertos de otras entidades han trabajado para el control de los vehículos acuáticos no tripulados con el fin de detectar contaminantes en masas de agua en Andalucía y en el lago Ypacaraí en Paraguay entre otras ubicaciones.
Para ello, la Universidad Loyola cuenta con un equipo interdisciplinar para utilizar distintas herramientas científicas relacionadas con la inteligencia computacional, machine learning, robótica, comunicaciones, química, sensores e instrumentación, además de ciencias ecológicas y medioambientales. El aprendizaje automático que deben realizar los drones acuáticos es uno de los principales retos de esta línea de investigación. Habitualmente, las condiciones de un vertido concreto en un embalse o río se conocen solo parcialmente, y a medida que estos vehículos interconectados se despliegan por toda la superficie y comparten los datos que obtienen los sensores, son capaces de compartirlos y traducirlos en un conocimiento global del contexto del vertido contaminante y de su variación en el tiempo.
Este trabajo aporta un avance en el conocimiento de tareas encaminadas a la planificación de rutas de los vehículos. Los investigadores trabajan en técnicas de despliegue basadas en enjambre, que permiten por una parte explorar el área objetivo y recopilar información de contexto, y por otra intensificar la monitorización en aquellas zonas donde se detecte la presencia de agentes contaminantes, para realizar un seguimiento detallado y una predicción de su evolución en tiempo real. Esto último es una de las principales innovaciones, ya que el control distribuido de flotas completas es un reto que necesita ser abordado en profundidad.
