Cómo los patrones de polarización permiten nuevas tecnologías

Investigadores de la Universidad de Illinois Urbana-Champaign han desarrollado un novedoso método de geolocalización submarina utilizando redes neuronales profundas que han sido entrenadas en 10 millones de imágenes sensibles a la polarización recopiladas de lugares de todo el mundo. Este nuevo estudio, dirigido por el profesor de ingeniería eléctrica e informática Viktor Gruev, junto con el profesor de informática David Forsyth, permite la geolocalización submarina utilizando solo datos ópticos al tiempo que proporciona una herramienta de navegación submarina sin ataduras.

Estos hallazgos fueron publicados recientemente en la revista eLuz.

“Estamos demostrando por primera vez que puede geolocalizarse a sí mismo o a la cámara en una amplia variedad de condiciones, ya sea en aguas de mar abierto, aguas claras o aguas con poca visibilidad, de día, de noche o en profundidad”, dice Gruew. “Una vez que sabes dónde estás, puedes comenzar a explorar y usar esa información para comprender mejor el mundo submarino e incluso cómo se mueven los animales”.

Gruev explica que uno de los principales desafíos de la navegación submarina y la geolocalización es que las señales de GPS no pueden penetrar en el agua: rebotan en la superficie. “Estamos ciegos a las señales de GPS bajo el agua. Necesitamos usar diferentes medios y tecnologías para geolocalizarnos bajo el agua”.

El estándar actual de geolocalización es el uso de información acústica, obtenida principalmente mediante tecnología de sonar. Esto funciona mediante el despliegue de muchas balizas de sonar pequeñas que envían señales que se triangulan para ubicar el objeto bajo el agua. El problema, sin embargo, es que el sonar solo funciona en un área pequeña y definida, mientras que su precisión es limitada.

Otro método actualmente en uso es el uso de submarinos que están atados a una embarcación más grande sobre la superficie que tiene una señal de GPS. Si bien el submarino puede maniobrar un poco, en última instancia está limitado por el movimiento del barco.

“Poseer un vehículo submarino que se mueve libremente es un problema increíblemente difícil. La forma de resolver este problema es desarrollar cámaras especializadas y algoritmos de aprendizaje automático. Al combinarlos, podemos determinar la posición del sol, y ahí es donde entran en juego las imágenes de polarización”, dice Gruev.

Las ondas de luz del sol se mueven en todas las direcciones: no está polarizado. Cuando estas ondas pasan a través de un filtro, como la superficie del agua, se ven obligadas a viajar en una sola dirección: la luz se ha polarizado. Los patrones de polarización son el resultado de la transmisión de la luz del aire al agua y la dispersión por el agua y otras moléculas.

Los patrones submarinos cambian a lo largo del día y dependen de la posición tanto del observador como del sol. Al analizar estos patrones junto con información precisa de fecha y hora, es posible determinar la ubicación.

El equipo recolectó aproximadamente 10 millones de imágenes utilizando una cámara subacuática y una lente omnidireccional capaz de capturar patrones de polarización de cuatro ubicaciones: un lago de agua dulce en Champaign, IL (aproximadamente 0,3 m de visibilidad), aguas marinas en alta mar en Florida Key, FL (aproximadamente 0,3 m). 5-3 m), agua de mar en Tampa Bay, Florida (visibilidad de unos 0,5 m) y un lago de agua dulce en Ohrid, Macedonia del Norte (visibilidad superior a 10 m). Las fotos se tomaron en diferentes condiciones (agua clara y turbia), profundidades y horas del día, incluso de noche, cuando la intensidad de la luz submarina es mucho más débil.

“Creemos que la vida es aburrida si no podemos ver nada, si no podemos ver la mano que tenemos delante. Pero si podemos ver las propiedades de polarización de la luz, podemos geolocalizarnos, incluso en aguas turbias. De hecho, la vida es bastante rica en términos de polaridad”, dice Gruev.

Estas imágenes se usaron para entrenar una red neuronal, un método de inteligencia artificial para aprender y aumentar la precisión con el tiempo. “La forma en que lo hicimos fue recopilar 10 millones de imágenes del sol bajo el agua”, explica Forsyth. “Cada foto estaba etiquetada con el lugar donde se tomó y la altura del sol. Luego, estas imágenes se ingresaron en el sistema de aprendizaje automático y el sistema se ajustó hasta que proporcionó la ubicación exacta”. El uso de estas técnicas de aprendizaje automático ha ayudado a mejorar la precisión de la ubicación a 40-50 km, con el potencial de aumentar aún más la precisión.

Esta tecnología abre nuevas posibilidades para que humanos y robots se desplacen bajo el agua. Los océanos constituyen más del 70% de la superficie terrestre, pero se sabe poco sobre ellos. Los datos que conocemos sobre estos cuerpos de agua provienen del monitoreo satelital a 20-30 millas sobre la superficie. Los robots autónomos de muestreo in situ podrían proporcionar un control más preciso de las propiedades del agua, como la temperatura del agua, la salinidad, los niveles de oxígeno y otros parámetros relacionados.

Las recientes operaciones submarinas de búsqueda y rescate de OceanGate Titan han resaltado la necesidad de contar con capacidades de geolocalización precisas. Para ubicar el submarino a cualquier profundidad posible, los esfuerzos se dividieron en dos regiones distintas, cerca de la superficie del océano y cerca del lecho marino, debido a las limitaciones de la tecnología actual. Los esfuerzos en aguas profundas son mucho más difíciles que las operaciones de superficie, que tienen más opciones tecnológicas y dependen en gran medida del sonar.

El sonar no solo es poco confiable en un área amplia, sino que a menudo crea un eco que oculta la ubicación exacta del objeto. Gruev dice: “Esta tecnología de imágenes de polarización permitirá que los robots autónomos más pequeños naveguen los primeros 200-300 metros donde la luz penetra en el agua y donde nuestra tecnología funciona muy bien y puede ayudar con las misiones de búsqueda y rescate”.

“Es difícil entender qué tan grandes son los océanos, cuánta agua hay, qué tan lejos puedes llegar y qué tan difícil es encontrar algo allí. El mayor problema tecnológico hasta principios del siglo XIX era simplemente saber dónde estabas en el mar. Y todavía es muy, muy difícil”, dice Forsyth.