这个微型人工智能机器人正在学习自行探索海洋

海洋很大，而我们对它的了解还主要停留在表面。根据美国国家海洋和大气组织的数据，大约 80% 的海洋“尚未被绘制、观察和探索”。

船舶是收集海洋信息的主要方式，但频繁派船出海成本高昂。最近，名为 Argo 浮标的机器人浮标一直随洋流漂流，上下潜入 6,500 英尺深处进行各种测量。但加州理工学院实验室的新型水下机器人可以潜入更深的水下，执行更有针对性的水下任务。

加州理工学院航空与机械工程学教授约翰·O·达比里 (John O. Dabiri) 表示：“我们正在设想一种全球海洋探索的方法，即使用各种类型的小型机器人群在海洋中布满追踪信息、监测气候变化以及了解海洋物理特性。”

CARL-Bot（加州理工学院自主强化学习机器人）是一款手掌大小的水下机器人，外形介于药丸胶囊和小飞象章鱼之间。它有用于游泳的马达，有重量以保持直立，并有可以检测压力、深度、加速度和方向的传感器。CARL 所做的一切都由内部的微控制器驱动，微控制器有一个比邮票还小的 1 兆字节处理器。

CARL 是达比里实验室最新的海洋穿越创新成果，由加州理工学院研究生彼得·冈纳森在家中创造和 3D 打印而成。冈纳森用它进行的第一次测试是在他家的浴缸里，因为加州理工学院的实验室在 2021 年初因新冠疫情而关闭。

[相关：这些自由漂浮的机器人可以监测海洋的健康状况]

目前，CARL 仍可远程控制。但要真正到达海洋最深处，就不能有人手把手地指导。这意味着没有研究人员为 CARL 指路——它需要自己学会在浩瀚的大海中航行。Gunnarson 和 Dabiri 找到了计算机科学家 Petros Koumoutsakos，后者帮助开发了 CARL 的人工智能算法，可以教会它根据周围环境的变化和过去的经验来定位自己。他们的研究成果本周发表在《自然通讯》上。

CARL 可以随时调整路线，避开湍急的水流，到达目的地。或者，它可以使用锂离子电池的“最低限度的能量”停留在指定位置。

CARL的力量在于记忆

Koumoutsakos 开发的算法集可以在小型机器人上执行寻路计算。这些算法还利用机器人对先前遭遇的记忆，例如如何绕过漩涡。“我们可以利用这些信息来决定将来如何应对这些情况，”Dabiri 解释道。

CARL 的编程让它能够记住在之前的任务中所走过的类似路径，“通过反复的经验，能够用更少的时间和更少的精力越来越好地采集海洋样本”，Gunnarson 补充道。

很多机器学习都是在模拟中完成的，其中所有数据点都是干净的。但将其转移到现实世界可能会很麻烦。传感器有时会不堪重负，可能无法获取所有必要的指标。“我们才刚刚开始在实体水箱中进行试验，”Gunnarson 说。第一步是测试 CARL 是否可以完成简单的任务，例如反复潜水。加州理工学院博客上的一段短片展示了机器人笨拙地在静止的水箱中上下摆动并跳入水中。

加州理工学院

随着测试的进行，该团队计划将 CARL 放入一个类似水池的水箱中，水箱内有小型喷嘴，可以产生水平水流供它航行。当机器人完成测试后，它将被转移到一个两层楼高的设施中，该设施可以模拟上升和下降的水流。在那里，它必须弄清楚如何在周围水流四面八方的区域保持一定的深度。

[相关：鱼的声音告诉我们有关水下珊瑚礁的信息——但我们需要更好的技术才能真正听到]

“但最终，我们希望 CARL 能够生活在现实世界中。他会离开巢穴，进入大海，在那里反复尝试，目标是让他学会如何独自航行，”Dabiri 说道。

在测试期间，团队还将调整 CARL 内部和外部的传感器。“我们遇到的一个问题是，为了完成任务，船上需要安装哪些最少的传感器，”Dabiri 说。当机器人配备激光雷达或摄像头等工具时，“这会限制系统在更换电池之前在海中航行很长时间的能力。”

通过减轻传感器负载，研究人员可以延长 CARL 的使用寿命，并腾出空间来添加科学仪器来测量 pH 值、盐度、温度等。