很多文章的报道都是由微观而宏观,今日小编讲给大家带来的关于配备AI的机器人在地球最不确定的环境中进展态势感知的资讯也不例外,希翼可以在一定的程度上开阔你们的视野!y有对配备AI的机器人在地球最不确定的环境中进展态势感知这篇文章感兴趣的小伙伴可以一起来看看
波浪,风,海流,船只驶过后的苏醒以及涡旋在建造物周围的漩涡使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辟算法,教机器人如何适应不断变化的海洋动态,从而解决我们国家最关注的问题之一:保护和维护我们老化的水基基础设施,例如码头,管道,桥梁和水坝。
史蒂文斯(Stevens)机械工程教授布伦丹·恩格洛特(Brendan Englot)领导的这项工作致力于解决水下结构检查的频率问题。水下建造物的数量远远超过潜水员以所需频率对其进行检查的数量。有时,他们必须潜入水面以下至极端和惊险的深度,需要数周才干恢复。Englot正在训练机器人完成这些任务,但这并不容易。
“有太多困难的干扰将机器人推向四周,而且能见度通常很差,这使得很难给水下车辆以相同的态势感知,使人们只能在地面上走来走去或在空中, ”恩格洛特说。
Englot迎接挑战。
他的研究小组采纳了一种称为强化学习的人工智能,这种人工智能使用的算法并非基于精确的数学模型。相反,面向目标的算法教机器人如何通过执行动作和观察结果来执行复杂的目标。当机器人收集数据时,它会更新其“策略”以找出在水下进行控制和导航的最佳方法。
他们收集的数据是声纳,这是海底导航的最可靠工具。就像使用回声定位的海豚一样,Englot的机器人发出高频chi声,并测量从周围结构弹起后声音返回需要多长时间-收集数据并获得态势感知,同时被任意数量的力击倒。
英格洛特(Englot)最近派出机器人执行自动任务,以绘制曼哈顿码头的地图。Englot说:“我们没有那个码头的先前模型。”“我们能够将机器人放下,然后它能够回来并在整个任务中成功定位自己。”在Englot实验室中创建的算法的指导下,机器人独立移动,收集信息以生成3-D地图,显示了码头桩的位置。
这些第一步令人鼓励,但是Englot正在努力扩展他的机器人的功能。Englot预计机器人将对从船体到近海石油平台的所有设备进行例行检查。此外,机器人可以绘制地球广阔的水下地形图。
但是,实现这些目标意味着解决声纳的局限性。恩格洛说:“想象一下,穿过建造物并以与医疗超声波相同的灰度,颗粒状视觉分辨率扫瞄走廊。”
绘制完结构后,自主机器人可以计划第二遍,并使用摄像头对关键区域进行更高分辨率的检查。恩格洛特进一步设想了像鳗鱼一样的机器人,它们可以穿过缝隙和狭窄的空间,甚至可以协助营救。他说:“首先要真正利用这些设计,我们需要能够自信地导航。” Englot继续调整他的算法以提供这种信心。
Englot还正在推动水下技术的进展,超越目前由控制杆操纵的机器人(如遥远星球上的漫游者)繁琐创建的拼凑地图。他说:“机器人自主性中最艰巨的挑战是在水下。” 还有很长的路要走,但是克服挑战首先将Englot吸引到了机器人技术领域。