麻省理工学院的工程师开发了一种算法，可以让水下机器人衡量探索未知区域的风险和潜在回报。来源:麻省理工学院的新闻
我们对地球海洋的了解远不及对月球或火星表面的了解。海底雕刻着广阔的峡谷、高耸的海山、深沟和陡峭的悬崖，其中大多数被认为太危险或难以进入自动水下航行器(auv)。
但如果穿越这些地方的回报值得冒险呢?
麻省理工学院的工程师们现在已经开发出一种算法水下机器人权衡探索未知区域的风险和潜在回报。例如,如果水下机器人负责识别水下石油渗漏接近陡峭,岩石槽,该算法可以评估奖励级别(渗油的概率存在这个海沟附近),和风险水平(与障碍物发生碰撞的概率),如果它是一条沟。
“如果我们对这辆昂贵的车过于保守，说它的生存能力是最重要的，那么我们就不会找到任何感兴趣的东西，”Benjamin Ayton说麻省理工学院航空航天系．“但如果我们明白，在收集的回报和前往这些危险地区的风险或威胁之间存在权衡，我们可以在值得的时候冒一定的风险。”
麻省理工学院自主系统实验室主任布莱恩·威廉姆斯说
艾顿说，新的算法可以实时计算风险与回报之间的权衡，因为auv可以决定下一步去哪里探索。他和他在航空航天教授布莱恩·威廉姆斯实验室的同事们正在自动水下航行器上实现这个算法和其他算法，他们的愿景是部署大胆、智能的机器人探险队，执行多项任务，包括寻找海上石油储量，研究气候变化对珊瑚礁的影响，探索类似于木卫二的极端环境。木卫二是木星上一颗被冰覆盖的卫星，研究小组希望有一天自动水下航行器能穿越这颗卫星。
艾顿说:“如果我们去了木卫二，并且有非常充分的理由相信在一个洞穴或裂缝中可能有价值10亿美元的观测结果，这将证明向木卫二发射航天器是合理的，那么我们绝对愿意冒险进入那个洞穴。”“但不考虑风险的算法永远不会发现可能改变历史的观察结果。”
艾顿和威廉姆斯，以及伍兹霍尔海洋研究所的理查德·卡米利，将在人工智能发展协会会议上周在檀香山。
auv的大胆之路
该团队的新算法是第一个实现“风险有界的自适应采样”的算法。例如，设计了一个自适应采样任务，以自动适应AUV的路径，基于飞行器在探索给定区域时的新测量。大多数考虑风险的自适应采样任务通常通过寻找具有具体的、可接受的风险水平的路径来实现。例如，auv可能被编程为只绘制碰撞概率不超过5%的路径。
但研究人员发现，仅考虑风险可能会严重限制任务的潜在回报。
艾顿说:“在执行任务之前，我们希望明确我们愿意承担的风险，以获得一定程度的回报。”“例如，如果有一条路可以带我们去更多的热液喷口，我们愿意承担这么大的风险，但如果我们看不到任何东西，我们愿意承担更小的风险。”
该团队的算法利用水深数据或海洋地形信息，包括周围的任何障碍物，以及飞行器的动力学和惯性测量，来计算某个拟议路径的风险水平。该算法还采用了AUV之前的所有测量值，以计算沿着所提议的路径存在这种高回报测量值的概率。
如果风险回报比达到了科学家事先确定的某个值，那么AUV就会继续执行所建议的路径，并将更多的测量数据反馈到算法中，以帮助它在车辆前进过程中评估其他路径的风险和回报。
研究人员在波士顿港东部的一个AUV任务模拟中测试了他们的算法。他们使用了在NOAA之前的一次调查中从该地区收集的水深数据，并模拟了一个AUV在温度相对较高的地区探索15米深的区域。他们研究了算法是如何在三种不同的可接受风险情况下规划车辆路线的。
在可接受风险最低的场景,这意味着水下机器人应该避免任何区域都有很高的机会碰撞,该算法绘制出一个保守的路径,保持车辆在一个安全的区域,也没有任何高回报——在这种情况下,高温。对于可接受风险较高的场景，算法绘制了更大胆的路径，让auv穿过狭窄的裂缝，最终到达高回报区域。
该团队还对该算法进行了10,000次数值模拟，在每个模拟中生成随机环境，通过这些环境来规划路径，并发现该算法“直觉地权衡了风险和奖励，只有在奖励证明合理的情况下才会采取危险行动。”
一个冒险的斜率
去年12月，艾顿、威廉姆斯和其他人花了两周时间在哥斯达黎加海岸附近巡航，部署了水下滑翔机，他们在上面测试了几种算法，包括最新的算法。在很大程度上，算法的路径规划与船上几名寻找最佳石油渗漏路径的地质学家提出的方案一致。
艾顿说，有一个特殊的时刻，风险有界的算法被证明特别方便。一架自动水下航行器正在一个危险的滑坡或滑坡中前进，在那里它不能冒太多的风险。
艾顿说:“算法找到了一种方法，让我们迅速走出低谷，而且是最有价值的方法。”“它带领我们走上了一条道路，虽然它没有帮助我们发现石油泄漏，但它确实帮助我们完善了对环境的理解。”
“真正有趣的是看机器算法如何开始“学习”几个潜水,发现后,开始选择我们地质学家可能没有选择最初的网站,“Lori总结说,地质学家和伍兹霍尔海洋研究所客座研究员,谁参加了克鲁斯。“这个过程的这一部分仍在发展，但看到算法开始从大量数据中识别新的模式，并将这些信息与一种高效、‘安全’的搜索策略结合起来，是令人兴奋的。”
在他们的长期愿景中，研究人员希望使用这种算法来帮助自动驾驶汽车探索地球以外的环境。
艾顿说:“如果我们去了木卫二，却不愿意冒任何风险来保存探测器，那么发现生命的可能性就会非常非常低。”“你得冒点险才能得到更多的回报，生活中通常也是如此。”
这项研究得到了埃克森美孚的部分支持，作为麻省理工学院能源计划的一部分，还有美国宇航局的支持。
编者按:这篇由Jennifer Chu发表的文章得到了MIT新闻的许可。
了下:汽车，AI•机器学习，机器人的报告，机器人技术•机器人抓手•末端执行器
告诉我们你的想法!