美國科研人員正在利用人工智能幫助水下機器人適應各種極端環(huán)境，以完成勘察水中建筑安全狀況的任務。

海浪、風、水流、過往船只的尾流和建筑物周圍的漩渦使水域成為經(jīng)驗豐富的船長所面臨的最復雜環(huán)境之一，更不用說機器人了。現(xiàn)在，美國史蒂文斯理工學院(Stevens Institute of Technology)的研究人員正在開發(fā)一種算法，教機器人適應不斷變化的海洋動態(tài)，以解決國民最關心的問題之一：保護和維護我們老化的海上基礎設施，如碼頭、管道、橋梁和水壩。

這項工作由史蒂文斯理工學院的機械工程教授布倫丹·恩格羅(Brendan Englot)領導，他正在努力應對這些水下建筑的頻率問題。目前，主要由潛水員對水下建筑物進行探測，但水下探測物遠比潛水員多得多。有時，潛水員必須潛到地表以下極度危險的深處，而他們的身體需要幾個星期才能恢復。恩格羅正在訓練機器人承擔這樣的任務——但這并不容易。

恩格羅說:“有很多水流會把機器人推得到處亂轉(zhuǎn)，而且水下的能見度通常很低，這使得水下運載工具很難像人在地面上行走或在空中行走那樣有態(tài)勢感知能力。”

恩格羅研究小組采用了一種叫做強化學習的人工智能技術，它使用不基于精確數(shù)學模型的算法；相反，它采用目標導向算法，教會機器人如何通過執(zhí)行動作和觀察結(jié)果來實現(xiàn)復雜的目標。當機器人收集數(shù)據(jù)時，它會更新“策略”，找出在水下操作和導航的最佳方式。

他們收集的數(shù)據(jù)是聲納——這是最可靠的海底航行工具。就像海豚使用回聲定位技能一樣，恩格羅的機器人會發(fā)出高頻聲波，并測量聲波在反射周圍構(gòu)造物后返回的時間，收集數(shù)據(jù)并感知周邊環(huán)境，同時可能被水流沖擊得東倒西歪。

最近，恩格羅派了一個機器人去執(zhí)行一項自動任務，目標是繪制曼哈頓碼頭的地圖?！拔覀円郧皼]有那個碼頭的模型，”恩格羅說?！艾F(xiàn)在我們能夠把我們的機器人送下去，它最終能返回并在整個任務中成功地定位自己。”在恩格羅實驗室創(chuàng)建的算法的指導下，機器人能獨立移動，收集信息，最后生成一幅顯示碼頭支柱位置的3D地圖。

這些初步工作鼓舞人心，但是恩格羅正在努力擴展他的機器人的能力。恩格羅預計機器人能夠?qū)拇w到近海石油平臺的一切情況進行常規(guī)檢查。此外，機器人還可以繪制地球廣闊的水下地形。

然而，實現(xiàn)這些目標意味著需解決聲納的局限性問題。恩格羅說:“想象一下，當你走在一棟建筑里，在走廊里穿行時，你會看到和醫(yī)用超聲波一樣的灰度、顆粒狀的視覺清晰度?！?/p>

一旦一個結(jié)構(gòu)被繪制成地圖，自動機器人就可以計劃第二次“傳球”——使用攝像機對關鍵區(qū)域進行更高分辨率的檢查。恩格羅進一步設想了像鰻魚一樣的機器人，它們可以在縫隙和狹窄的空間中穿梭，甚至可以協(xié)助救援。恩格羅稱，要真正地利用這些技術，首先需要能夠穩(wěn)定地航行。為此，恩格羅繼續(xù)調(diào)整他的算法來提供這種穩(wěn)定性。