• AUV
• Bellhop
• comunicazione sottomarina
• veicoli sottomarini cooperanti

L'obiettivo della tesi è il path-planning di veicoli sottomarini autonomi seguendo un cammino minimo sulla distanza ma cercando di massimizzare la capacita del canale di comunicazione. Tale problema si può scomporre in più sotto-problemi differenti:
Definizione dei parametri del canale di comunicazione
- Uso dei parametri del canale per simularne le capacità punto-punto
- Scelta dell'algoritmo di path-planning e implementazione
- Adattamento dell'algoritmo per massimizzare la capacità del canale
I parametri principali per definire il canale sono la transmission loss e il noise (a patto di considerare una sorgente a potenza fissa), per il secondo parametro (il rumore) esistono formule empiriche precise abbastanza da poter essere utilizzate in questa simulazione.
Per calcolare la transmission loss invece di utilizzare formule empiriche, ma troppo poco accurate, si e deciso di usare un software che simulasse il comportamento dell'onda sonora nell'acqua, la scelta dopo varie prove è ricaduta sull'algoritmo Bounce+Bellhop.
Il codice è stato notevolmente migliorato; a parità di simulazioni, la differenza tra l'algoritmo modificato e il BELLHOP originale è di circa 100-150 volte.
Una volta calcolata la TL e il NOISE (rumore), e sapendo la potenza a cui trasmettere, si è ricavata la capacità di ogni punto del canale; così facendo si è creata una griglia di capacità da sfruttare per l'algoritmo del path-planning.
Per scegliere il path da seguire si è optato per l'algoritmo A*, che nella sua versione base permette di trovare un cammino a distanza minima tra due punti di un grafo.
Per implementare la massimizzazione della capacità del canale di comunicazione si è modificato l'algoritmo A* aggiungendo su ogni nodo un peso che permettesse di tenere in considerazione anche la capacità, o meglio l'inverso della capacità. In pratica per il problema del path planning si è passati da un problema di minimizzazione (cammino) e di massimizzazione (capacità) ad un problema di doppia minimizzazione.
Gli algoritmi presentati, sono quasi tutti sfruttabili in tempo reale; obiettivo che ci siamo prefissi dall'inizio della tesi. Ovviamente tutto dipende dalle capacità di calcolo dell'hardware messo a disposizione sul veicolo; per questo abbiamo accennato a un possibile miglioramento della velocità di esecuzione dell'algoritmo, sfruttando una moderna scheda video (architettura altamente parallelizzata) programmabile in CUDA.