海洋包含著一片似乎無邊無際的有待探索的領(lǐng)土，在全球范圍內(nèi)繪制這些未知水域的地圖是一項艱巨的任務。自主水下機器人艦隊可能是幫助繪制地圖的寶貴工具，但這些機器人需要能夠在保持高效和準確的同時導航這一雜亂的區(qū)域。

在6月24日發(fā)表在《IEEE海洋工程雜志》上的一項研究中，一個研究團隊開發(fā)了一種新的框架，允許自主水下機器人高效、低誤率地繪制雜亂區(qū)域。

繪制水下環(huán)境地圖的一個主要挑戰(zhàn)是機器人位置的不確定性。

“由于GPS在水下不可用，大多數(shù)水下機器人沒有絕對位置參考，它們的導航解的精度也各不相同，”參與該研究的新澤西州霍博肯史蒂文斯理工學院機械工程副教授Brendan Englot解釋道，“預測機器人探索未知領(lǐng)域時的變化將允許自主水下機器人在這些挑戰(zhàn)性環(huán)境下構(gòu)建盡可能精確的地圖?！?/p>

Englot團隊創(chuàng)建的模型使用虛擬地圖，抽象地表示機器人尚未看到的周圍區(qū)域。他們開發(fā)了一種算法，以考慮機器人的定位不確定性和感知觀察的方式規(guī)劃虛擬地圖上的路線。

感知觀察通過聲納成像收集，聲納成像有助于檢測機器人前方30米范圍和120度視野內(nèi)的環(huán)境中的物體?！拔覀儗D像進行處理，從每個聲納圖像中獲得一個點云。這些點云指示相對于機器人的水下結(jié)構(gòu)的位置，”Englot解釋道。

然后，研究團隊在紐約Kings Point的一個港口使用BlueROV2水下機器人測試了他們的方法。Englot說，該區(qū)域足夠大，可以產(chǎn)生明顯的導航誤差，但又足夠簡單，可以在沒有太大困難的情況下進行大量實驗。該團隊將他們的模型與其他幾個現(xiàn)有模型進行了比較，在機器人在港口航行的至少三次30分鐘的試驗中測試了每個模型。還通過模擬評估了不同的模型。

Englot說：“研究結(jié)果表明，每種相互競爭的（模型）都有其獨特的優(yōu)勢，但我們的模型在快速探索未知環(huán)境和繪制精確的環(huán)境地圖之間提供了一個非常有吸引力的折衷方案?！?/p>

他指出，他的團隊已經(jīng)申請了一項專利，將考慮他們的模型用于海底石油和天然氣生產(chǎn)目的。然而，他們設想該模型也將適用于更廣泛的應用，如檢查海上風力渦輪機、海上水產(chǎn)養(yǎng)殖基礎(chǔ)設施（包括漁場）和民用基礎(chǔ)設施，如碼頭和橋梁。

“接下來，我們希望將該技術(shù)擴展到3D地圖場景，以及可能已經(jīng)存在局部地圖的情況，我們希望機器人能夠有效利用該地圖，而不是完全從頭開始探索環(huán)境，”Englot說，“如果我們能夠成功地將我們的框架擴展到3D繪圖場景中，我們還可以使用它探索水下洞穴或沉船網(wǎng)絡?！?/p>