科技：配备AI的机器人在地球最不确定的环境中发展

导语：波浪，风，水流，通过船只的漩涡和围绕结构旋转的漩涡使得水成为经验丰富的船长最复杂的环境之一，更不用说机器人了。现在，史蒂文斯理工学院的研究人员正在开发算法，教导机器人适应不断变化的海洋动态，以解决我们国家最关心的问题之一：保护和保护我们老化的水根基础设施，如码头，管道，桥梁和水坝。

由史蒂文斯机械工程教授布兰登·恩格洛（BrendanEnglot）领导的这项工作，正在研究这些水下结构检查频率的持续问题。水下结构远远多于潜水员以理想的频率进行检查。有时，他们必须在地表以下潜入极端和危险的深度，需要数周才能恢复。Englot正在训练机器人来承担这些任，但这并不容易。

“有很多困难的干扰推动机器人周围，而且通常情况非常差，因此难以让车辆在水下给予相同的态势感知，以至于一个人只是在地上走来走去或在空中，“Englot说。Englot正在迎接挑战。他的研究小组采用了一种称为强化学习的人工智能，它使用的算法不是基于精确的数学模型。相反，面向目标的算法通过执行动作和观察结果来教导机器人如何执行复杂的目标。

他们收集的数据是声纳，是用于导航海底的最可靠的工具。就像使用回声定位的海豚一样，Englot的机器人会发出高频啁啾声，并测量声音在周围结构反弹后返回需要多长时间，收集数据并获得态势感知，同时被任意数量的力量击倒。

Englot最近派出一个机器人进行自主任务，以绘制曼哈顿码头的地图。“我们没有先前的那个码头模型，”Englot说。“我们能够将我们的机器人送下来，并且能够在整个任务期间成功找回自己。”在Englot实验室中创建的算法指导下，机器人独立移动，收集信息以生成显示码头桩的位置的三维地图。

这些第一步令人鼓舞，但Englot正在努力扩展他的机器人的能力。Englot预计机器人将对从船体到海上石油平台的所有事情进行例行检查。此外，机器人可以绘制地球巨大的水下地形。然而，实现这些目标意味着解决声纳的局限性。“想象一下，走过一幢建筑物，用相同的灰度，颗粒状视觉分辨率作为医学超声波导航走廊，”Englot说。

一旦结构被映射，自主机器人就可以计划第二次通过，使用相机对关键区域进行更高分辨率的检查。Englot进一步想象出类似鳗鱼的机器人，可以穿过缝隙和狭窄的空间，甚至可以协助救援。“要真正利用这些设计，首先我们需要能够自信地导航，”他说。Englot继续调整他的算法以提供这种信心。