人工智能优化水下机器人的环境感知

机器人系统的可能应用有很多。然而，在实践中，往往缺乏使自主机器人能够全面感知复杂环境的功能技术。视觉传感器（例如相机）在机器人技术中用于自主导航、操纵、映射和物体识别等任务，可提供有关环境的详细信息。然而，它们的性能在很大程度上取决于主要的光线和能见度条件。相比之下，用于距离测量的声学传感器独立于能见度条件。它们还生成类似图像的数据，但分辨率明显低于相机。它们的功能在近距离内也受到严重限制。

复杂环境中实用机器人系统的智能技术

这就是 DeeperSense（多模式传感器融合的深度学习）项目开始发挥作用的地方，该项目于 2021 年 1 月 1 日开始。该项目的总体目标是在欧盟的 Horizon 2020 研究框架计划下资助，旨在显着改善服务机器人的环境感知，尤其是在水下等复杂非结构化环境中。为了实现这一目标，该项目采用了一种创新方法：通过使用人工智能，特别是深度学习作为一种数据驱动的机器学习方法，旨在结合非视觉和视觉传感器的优势，优化其环境感知能力，超越现有的各个传感器。这不仅应该显着提高自治系统的性能和可靠性，

DeeperSense 概念将在要求特别苛刻的水下领域的三个用例中得到展示：浑水中的潜水员监测、珊瑚礁探索和海底测绘。为此，该项目联盟汇集了海上机器人、人工智能和水下传感器技术领域的领先专家——DFKI 机器人创新中心、赫罗纳大学、海法大学和 Kraken Robotik GmbH——以及来自这三个国家的最终用户不同的应用领域——德国联邦技术救济署 (THW)、以色列自然和公园管理局和 Tecnoambiente SL。

借助 DeeperSense，AUV 将能够近距离探索珊瑚礁

改善水下应用中的环境感知

DeeperSense 基于跨感官学习的总体概念，其中传感器模态 B 从传感器模态 A 中学习。这样，传感器 B 可以提供与传感器 A 相似的输出——在准确性和类型方面数据的输出和解释。为此，传感器 A（例如照相机）和传感器 B（例如声纳）同时观察同一场景。收集到的低分辨率声纳数据作为人工神经网络的输入，而高分辨率相机数据作为输出。通过逐渐使网络适应所需的输出，它了解输入和输出数据之间的关系。结果是一种算法，一旦经过充分训练，就能够仅基于低分辨率声纳数据生成类似相机的图像。在项目中，

在第一个用例中，自主水下航行器 (AUV) 用于监控在浑浊水域工作的潜水员。通常，为此目的使用带有摄像头的遥控机器人，它将其数据传输到控制站。然而，由于光学传感器只能在有限程度上在水下使用，因此项目合作伙伴还为 AUV 配备了声纳传感器。在 DeeperSense 中，他们想教这个传感器提供类似相机的图像，这些图像可以很容易地被控制站的人员解读。

第二个用例涉及对珊瑚礁等复杂而敏感的水下结构进行机器人探索。为了创建详细的环境地图以进行可靠的障碍物检测，该项目依赖于视觉和声学传感器的组合。在这里，挑战将是协调不同的图像视角。为此，所计划的算法必须能够在来自一个传感器的数据中识别出另一个传感器的数据中识别的对象。这样，自主机器人将能够在珊瑚礁中导航，而不仅仅是越过它。

最后，在第三个用例中，合作伙伴希望使 AUV 能够生成精确的海底地图。这些调查通常由船只进行，费用非常昂贵。相机通常提供补充信息来验证声学数据。然而，这种方法在深水的黑暗中并不实用。在该项目中，AUV 将使用各种声学传感器对海底沉积物进行分类。在 DeeperSense 概念的帮助下，声学传感器学习生成不同类型海底的注释地图，就像在良好能见度条件下使用相机尽可能详细一样。

算法开发与优化

在项目期间，合作伙伴将为三个用例生成全面的培训数据。算法将使用这些数据进行训练，并在实验室和广泛的现场测试（在内陆水域、地中海和红海）的真实条件下进行测试。最终，经过训练的算法将针对水下航行器的车载使用进行优化，以实现实时执行以支持自主机器人的行为。该联盟打算在嵌入欧洲研究基础设施的在线存储库中将结果提供给机器人社区。

资料来源：德国人工智能研究中心。

任务场景：AUV 监控潜水员在水下工作

湖南艾克赛普科技有限公司研究开发多款海洋测试仪器设备和测试系统，拥有多项专利和软件著作权以及强大的技术研发团队，如果您对水下机器人环境感知技术感兴趣，欢迎联系我们，艾克赛普将为您提供更合适的测试解决方案。