人工智能引导无人机在海洋中航行
加州理工学院、苏黎世联邦理工学院和哈佛大学的工程师正在开发人工智能 (AI)，这将使自主无人机能够利用洋流来辅助导航，而不是在洋流中挣扎。
“当我们希望机器人探索深海时，尤其是成群结队地探索深海时，几乎不可能在 20,000 英尺外用操纵杆控制它们。我们也无法向它们提供有关它们需要导航的当地洋流的数据，因为我们无法从表面探测到它们。相反，在某个时刻，我们需要海上无人机能够自行决定如何移动，”John O. Dabiri 教授说。
人工智能的性能是使用计算机模拟测试的，但该项目背后的团队还开发了一个手掌大小的小型机器人，该机器人在一个微型计算机芯片上运行算法，可以为地球和其他星球上的海上无人机提供动力。目标是创建一个自主系统来监测地球海洋的状况，例如将算法与他们之前开发的假肢结合使用，以帮助水母更快地游动并听命于指挥。运行该算法的全机械机器人甚至可以探索其他世界的海洋，例如土卫二或欧罗巴。
在任何一种情况下，无人机都需要能够自行决定去哪里以及到达那里的最有效方式。为此，他们可能只拥有他们自己可以收集的数据——关于他们目前正在经历的水流的信息。
为了应对这一挑战，研究人员转向强化学习 (RL) 网络。与传统的神经网络相比，强化学习网络不是在静态数据集上训练，而是尽可能快地训练，因为它们可以收集经验。这种方案允许它们存在于更小的计算机上。出于这个项目的目的，该团队编写了可以在 Teensy 上安装和运行的软件——一个 2.4 英寸 x 0.7 英寸的微控制器，任何人都可以在亚马逊上以不到 30 美元的价格购买，并且只使用大约 0.5 瓦的功率。
使用计算机模拟，在水中流过障碍物时会产生几个向相反方向移动的漩涡，该团队教人工智能以这样一种方式导航，即它利用漩涡后的低速区域滑行到以最小的功率使用目标位置。为了帮助其导航，模拟的游泳者只能获得有关其附近水流的信息，但它很快就学会了如何利用漩涡向所需目标滑行。在物理机器人中，人工智能同样只能访问可以从机载陀螺仪和加速度计收集的信息，这对于机器人平台来说都是相对较小且成本较低的传感器。
这种导航类似于鹰和鹰在空中乘热的方式，从气流中提取能量，以最小的能量机动到所需的位置。令人惊讶的是，研究人员发现，他们的强化学习算法可以学习比海洋中真正的鱼所使用的导航策略更有效的导航策略。
该技术仍处于起步阶段：目前，该团队希望测试人工智能在执行海洋任务时可能遇到的每种不同类型的流动干扰——例如，漩涡与流动的潮流——以评估其有效性在野外。然而，通过将他们对海洋流动物理学的知识纳入强化学习策略，研究人员旨在克服这一限制。他们的研究证明了 RL 网络在应对这一挑战方面的潜在有效性——特别是因为它们可以在如此小的设备上运行。为了在现场进行测试，该团队将 Teensy 放置在名为“CARL-Bot”（加州理工学院自主强化学习机器人）的定制无人机上。 CARL-Bot 将被放入加州理工学院校园内新建的两层高的水箱中，并被教导在洋流中航行。
传感器