MEKAWIRE
FortgeschrittenarXiv

Embodied at Sea: NYU-Unterwasserroboter lernt 93,3 Prozent im Becken und 66,7 Prozent am Wrack

Greta Perez-Haiek, Luca Macesanu, Kevin Angers, Mohammed Imam, Timothy Gambin, Christopher ClarkNew York University; University of Malta
In 30 Sekunden

Ein Preprint der New York University und der Universität Malta trainiert Imitationslernen-Policies, die einen kleinen Unterwasserroboter selbstständig steuern und Objekte greifen. Das beste Modell schaffte im Becken 93,3 Prozent einschließlich Teilerfolgen, am Wrack eines Weltkriegsschiffs vor Malta gelang das Festmachen an einem Seil in 66,7 Prozent der Versuche.

Forschungsfrage

Lassen sich Behavior Cloning und Vision-Language-Action-Modelle, die an fest montierten Roboterarmen funktionieren, auf ein ferngesteuertes Unterwasserfahrzeug übertragen, das von Strömung bewegt wird und durch trübes Wasser sieht?

Problem

Ein Unterwasserfahrzeug hat keine feste Basis. Wellen und Strömung bewegen es in sechs Freiheitsgraden, Kamerablick und Greiferposition ändern sich ständig, Licht nimmt mit der Tiefe ab, Partikel trüben das Bild. Inspektion und Eingriffe unter Wasser werden deshalb meist von Piloten geflogen.

Bisheriger Ansatz

Bisherige Arbeiten übertrugen an Land trainierte Policies oder blieben bei der Wahrnehmung. Generalistische Modelle wie SmolVLA von Hugging Face und Action Chunking Transformer (ACT) wurden nur an Tischarmen erprobt.

Neuer Ansatz

Das Team sammelte im Becken 1.616 ferngesteuerte Episoden bei ruhigem und von Hand verwirbeltem Wasser und trainierte 14 Varianten des Modells DynamicVLA, die sich nur in den Lagesignalen unterscheiden. Die Policies senden dieselben Joystick-Befehle wie ein Pilot an einen BlueROV2 von Blue Robotics. Im Feld wurden 748 Episoden in einer Marina und am Wrack Coralita X127 aufgenommen und ACT mit SmolVLA verglichen. Daten, Training und Einsatzcode stehen als BluEmbodied Kit offen.

Ergebnisse

Im Becken 1.260 bewertete Hardwareläufe (90 je Modell, 30 je Aufgabe). Zehn der 14 Modelle schlugen die reine Kamera-Basislinie (60,0 Prozent mit Teilerfolgen, 46,7 Prozent strikt). Das beste Modell, nur ergänzt um Rollen, Nicken und Gieren, erreichte 93,3 Prozent mit Teilerfolgen und 72,2 Prozent strikt. Ein Rechenschritt für einen Aktionsblock von 20 Schritten dauerte etwa 95 bis 129 ms. Auf See schlug ACT über 508 Läufe SmolVLA mit 47,9 zu 7,9 Prozent. Ein einziges ACT-Modell machte am Wrack an einem Seil in 66,7 Prozent von 21 Versuchen fest, an einer Marina-Leiter in 56,3 Prozent von 206 und an einem Wrackpfosten in 36,8 Prozent von 19.

Grenzen

Es handelt sich um ein Preprint. Das Becken ist flach und klein, ohne echte Strömung, die Turbulenz wurde von Hand erzeugt. Die 93,3 Prozent zählen das Greifen eines falschfarbigen Stabs als Teilerfolg, strikt sind es 72,2 Prozent. Die Feldversuche reichen von 14 bis 206 Läufen, viele Konfidenzintervalle sind breit. Getestet wurde nur ein kleiner Inspektions-ROV mit einfachem Greifer.

Bedeutung für die Branche

Unterwasserinspektion für Offshore-Wind, Öl und Gas, Häfen und Aquakultur wird nach Pilotenstunden abgerechnet, in Europa ein Markt für Anbieter wie Saab Seaeye und Dienstleister in der Nordsee. Die Ergebnisse deuten darauf hin, dass wenige Demonstrationen vor Ort plus einfache Lagesensorik einfache Greif- und Festmachschritte binnen zwei bis vier Jahren automatisieren können. Das schwache SmolVLA-Feldergebnis zeigt, dass Generalisten unter Wasser ohne Standortdaten scheitern.

Vollständige Studie

Veröffentlicht unter CC BY 4.0. Die vollständige Studie ist mit Namensnennung auf Englisch wiedergegeben: Volltext (Englisch). Original unter arXiv:2610.38199 (PDF).