加州理工學院、蘇黎世聯(lián)邦理工學院和哈佛的工程師正在開發(fā)一種人工智能 (AI)，它可以讓自主無人機利用洋流來幫助導航，而不是在洋流中掙扎。
“當我們希望機器人探索深海時，尤其是成群結隊的探索時，幾乎不可能在海面 20,000 英尺外用操縱桿控制它們。我們也無法向它們提供有關它們需要導航的當?shù)匮罅鞯臄?shù)據，因為我們無法從表面檢測到它們。相反，在某個時刻，我們需要海上無人機來決定如何自行移動，”John O. Dabiri(MS '03，PhD '05)說，航空和機械工程百年紀念教授，12 月 8 日自然通訊發(fā)表的一篇關于該研究的論文的通訊作者。
人工智能的性能通過計算機模擬進行了測試，但這項工作背后的團隊還開發(fā)了一個手掌大小的小型機器人，該機器人在微型計算機芯片上運行算法，該芯片可以為地球和其他行星上的海上無人機提供動力。目標是創(chuàng)建一個自主系統(tǒng)來監(jiān)測地球海洋的狀況，例如將該算法與他們之前開發(fā)的假肢結合使用，以幫助水母更快地游泳并按照指令進行。運行該算法的全機械機器人甚至可以探索其他世界的海洋，例如土衛(wèi)二或木衛(wèi)二。
在任何一種情況下，無人機都需要能夠自己決定去哪里以及到達那里的最有效方式。為此，他們可能只有自己可以收集的數(shù)據——關于他們目前正在經歷的水流的信息。
為了應對這一挑戰(zhàn)，研究人員轉向了強化學習 (RL) 網絡。與傳統(tǒng)的神經網絡相比，強化學習網絡不會在靜態(tài)數(shù)據集上訓練，而是盡可能快地訓練，以收集經驗。這個方案允許它們存在于更小的計算機上——為了這個項目的目的，團隊編寫了可以安裝和運行的軟件——一個 2.4 x 0.7 英寸的微控制器，任何人都可以以低于 30 美元的價格購買亞馬遜并且只使用大約半瓦的功率。
使用計算機模擬，其中流過水中的障礙物會產生幾個向相反方向移動的渦流，該團隊教人工智能以這樣一種方式導航，即利用渦流后的低速區(qū)域滑行到使用最小功率的目標位置。為了幫助其導航，模擬游泳者只能獲得有關其附近水流的信息，但它很快就學會了如何利用渦流向所需目標滑行。在物理機器人中，人工智能同樣只能訪問可以從機載陀螺儀和加速度計收集的信息，這些都是用于機器人平臺的相對較小且成本較低的傳感器。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！