波浪、风、水流,醒来通过船只和涡流围绕结构使水的一个最复杂的环境为经验丰富的船长,更不用说机器人。现在,史蒂文斯理工学院的研究人员正在开发算法,教机器人适应海洋的不断变化的动态为了解决我们国家的最大问题之一:保护和保存我们water-rooted老化的基础设施,如码头、管道、桥梁和大坝。gydF4y2Ba

工作,由丹Englot机械工程教授斯蒂文斯,应对持续期的检查这些水下结构的频率。有远比有潜水员水下结构检查的频率。有时,他们必须地表下潜水极端和危险的深度,需要几周才能恢复。Englot训练机器人来承担这样的任务,但这并不容易。gydF4y2Ba

“有很多困难障碍推动机器人,还有经常能见度很差,很难给出一个汽车水下的态势感知一个人刚刚在地上走动或者悬而未决,“Englot说。gydF4y2Ba

Englot所面临的挑战。gydF4y2Ba

他的研究小组使用一种人工智能被称为强化学习使用的算法并不是基于一个精确的数学模型;而面向目标的算法教会机器人如何进行复杂目标的执行操作和观察结果。机器人收集数据,更新其“政策”来找出最优机动和水下导航的方法。gydF4y2Ba

他们收集的数据是声纳、水下导航的最可靠的工具。像海豚使用回声定位,Englot的机器人发出高频率啁啾和测量多久声音返回后反射周围的结构——收集数据并获得态势感知同时被撞在任意数量的部队。gydF4y2Ba

Englot最近派出机器人自主任务地图上曼哈顿码头。“我们没有先验模型的码头,“Englot说。“我们可以发送我们的机器人,它能够回来,成功定位本身在整个任务。”算法在Englot实验室创建的指导下,独立机器人移动,收集信息来产生一个3 d地图码头的非金属桩的位置。gydF4y2Ba

这第一步是鼓舞人心的,但Englot正在努力扩大他的机器人的能力。Englot预见例行检查由机器人从船体到海上石油平台。此外,机器人可以映射地球的庞大,水下地形。gydF4y2Ba

然而,实现这些目标意味着解决声纳的局限性。“想象走过大楼和导航走廊具有相同的灰度,模糊的视觉分辨率作为医学超声”Englot说。gydF4y2Ba

一旦结构映射一个自治机器人计划第二个通过,关键区域的高分辨率检测使用一个相机。Englot进一步想象鳗鱼机器人可以通过裂缝和狭窄的空间编织,甚至协助救援。“真正利用这些设计首先我们需要导航有信心,”他说。Englot继续调整他的算法提供信心。gydF4y2Ba

Englot也在水下推进技术在当前地图拼凑沉闷地由控制操纵杆的机器人,就像一个探测器在一个遥远的星球上。“一些水下自治机器人的最艰难的挑战,”他说。有很长的路要走,但克服挑战吸引Englot机器人领域的放在第一位。半岛app官网gydF4y2Ba