一些重要的水下基礎設施往往不像陸地上的基礎設施那樣容易接觸到，導致許多重要的損壞檢查都不能正常進行。而配備了多功能AI系統(tǒng)的機器人，在檢查水下基礎設施時則可以快速處理那些無法預測情況。

由于這些基礎設施一般都位于深水區(qū)，不僅需要檢查人員接受極專業(yè)的訓練，而且深水區(qū)對潛水員身體健康造成的影響通常需要好幾周才能恢復。此外，需要檢查的水下設施數(shù)量遠遠超過了訓練有素潛水員的數(shù)量。

目前，科學家已經(jīng)設計出了能執(zhí)行這些危險任務的機器人。然而問題是，這些機器人目前還無法對變化莫測的水下環(huán)境做出明智的反應。

來自美國史蒂文斯理工學院的研究人員正在研究相關算法，以便讓這些機器人具備檢查和保護水下設施的能力。帶領這項工作的是學院的機械工程學教授Brendan Englot。他表示："讓機器人在水下自由移動困難重重。由于深水區(qū)的能見度較差，這使得水下機器人很難像人類在陸地上自由行走那樣在水下自由移動。"

Englot帶領的團隊通過強化學習的辦法來訓練算法。這意味著，機器人并非使用精確的數(shù)學模型，而是讓機器人執(zhí)行相關動作并觀察這種方法是否有助于實現(xiàn)目標。

通過反復試驗，算法會不斷更新收集的數(shù)據(jù)最終得出應對不斷變化環(huán)境的最佳方法。如此一來，機器人在此前海圖上沒有標注的區(qū)域也能成功地進行操作和導航。

近日，該研究團隊將一個機器人派去定位位于曼哈頓島的一個碼頭。"此前，我們并沒有那個碼頭的模型。在我們派出水下機器人后，它成功地完成定位并返回。"

機器人使用聲吶獲得數(shù)據(jù)，目前普遍認為這是最可靠的海下導航方法。其工作原理類似于海豚的回聲測距，通過測量高頻線性調(diào)頻從附近結(jié)構(gòu)反彈所需時間來計算出距離。這種測試方法的一個缺陷，就是只能接收到類似灰度醫(yī)學超聲波的圖像。Englot團隊認為，一旦繪制出了結(jié)構(gòu)模型，機器人第二次通過該區(qū)域時便可以使用攝像機拍攝關鍵區(qū)域的高分辨率圖像。

目前，Englot帶領的項目還處于早期階段，但是卻證明了人工智能可以開辟機器人技術新時代，在提高效率的同時還能降低人類工作的風險。