一些重要的水下基础设施往往不像陆地上的基础设施那样容易接触到，导致许多重要的损坏检查都不能正常进行。而配备了多功能AI系统的机器人，在检查水下基础设施时则可以快速处理那些无法预测情况。
由于这些基础设施一般都位于深水区，不仅需要检查人员接受极专业的训练，而且深水区对潜水员身体健康造成的影响通常需要好几周才能恢复。此外，需要检查的水下设施数量远远超过了训练有素潜水员的数量。
目前，科学家已经设计出了能执行这些危险任务的机器人。然而问题是，这些机器人目前还无法对变化莫测的水下环境做出明智的反应。
来自美国史蒂文斯理工学院的研究人员正在研究相关算法，以便让这些机器人具备检查和保护水下设施的能力。带领这项工作的是学院的机械工程学教授Brendan Englot。他表示："让机器人在水下自由移动困难重重。由于深水区的能见度较差，这使得水下机器人很难像人类在陆地上自由行走那样在水下自由移动。"
Englot带领的团队通过强化学习的办法来训练算法。这意味着，机器人并非使用精确的数学模型，而是让机器人执行相关动作并观察这种方法是否有助于实现目标。
通过反复试验，算法会不断更新收集的数据最终得出应对不断变化环境的最佳方法。如此一来，机器人在此前海图上没有标注的区域也能成功地进行操作和导航。
近日，该研究团队将一个机器人派去定位位于曼哈顿岛的一个码头。"此前，我们并没有那个码头的模型。在我们派出水下机器人后，它成功地完成定位并返回。"
机器人使用声呐获得数据，目前普遍认为这是最可靠的海下导航方法。其工作原理类似于海豚的回声测距，通过测量高频线性调频从附近结构反弹所需时间来计算出距离。这种测试方法的一个缺陷，就是只能接收到类似灰度医学超声波的图像。Englot团队认为，一旦绘制出了结构模型，机器人第二次通过该区域时便可以使用摄像机拍摄关键区域的高分辨率图像。
目前，Englot带领的项目还处于早期阶段，但是却证明了人工智能可以开辟机器人技术新时代，在提高效率的同时还能降低人类工作的风险。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
