從海洋中清除垃圾是一個(gè)昂貴且耗時(shí)的過程。作為歐洲合作項(xiàng)目的一部分，德國(guó)慕尼黑工業(yè)大學(xué) (TUM) 的一個(gè)團(tuán)隊(duì)正在開發(fā)一種機(jī)器人系統(tǒng)，該系統(tǒng)使用機(jī)器學(xué)習(xí)方法來(lái)定位和收集水下廢物。

SeaClear 項(xiàng)目的機(jī)器人能夠檢測(cè)和收集水下垃圾。圖片來(lái)源：SeaClear 項(xiàng)目

全球海洋目前含有 26 至 6600 萬(wàn)噸塑料垃圾，其中大部分位于海底。這對(duì)海洋動(dòng)植物以及海洋生態(tài)平衡構(gòu)成了巨大威脅。

但從水中清除廢物是一個(gè)復(fù)雜而昂貴的過程。這通常也很危險(xiǎn)，因?yàn)檫@項(xiàng)工作通常由水肺潛水員完成。清理操作通常也僅限于水面。在SeaClear 項(xiàng)目中，TUM 的一個(gè)團(tuán)隊(duì)正在與八個(gè)歐洲合作機(jī)構(gòu)合作，開發(fā)一種能夠收集水下垃圾的機(jī)器人系統(tǒng)。

四個(gè)機(jī)器人一起工作

該系統(tǒng)結(jié)合了四個(gè)機(jī)器人組件：自動(dòng)水面車輛對(duì)海底進(jìn)行初始掃描并定位大型垃圾袋。接下來(lái)，一個(gè)觀察機(jī)器人被放入水中以檢測(cè)海底垃圾并將附加信息傳輸?shù)接?jì)算機(jī)，例如海底的特寫圖像。

在清澈的水中和良好的能見度，空中無(wú)人機(jī)也被用來(lái)識(shí)別更多的垃圾物體。結(jié)果數(shù)據(jù)被組合以生成虛擬地圖。然后，收集機(jī)器人會(huì)訪問地圖上定義的點(diǎn)并拾取垃圾。它使用抓手將較大的碎片放入籃子中，該籃子由自動(dòng)船拖到岸邊。

由四個(gè)機(jī)器人組成的系統(tǒng)可確保清潔海底。圖片來(lái)源：SeaClear 項(xiàng)目

潮流的挑戰(zhàn)

TUM 信息導(dǎo)向控制主席 SeaClear 項(xiàng)目的技術(shù)總監(jiān) Stefan Sosnowski 博士說：“開發(fā)用于水下應(yīng)用的自主機(jī)器人是一項(xiàng)獨(dú)特的挑戰(zhàn)。這是因?yàn)椋c基于陸地的應(yīng)用相比，水中存在非常特殊的條件。當(dāng)一塊垃圾被識(shí)別和定位時(shí)，機(jī)器人需要靠近它。為此，它可能需要克服強(qiáng)電流。TUM 在 SeaClear 項(xiàng)目中的任務(wù)是使機(jī)器人能夠朝著正確的方向移動(dòng)。”

高效的機(jī)器學(xué)習(xí)

為此，該團(tuán)隊(duì)正在使用機(jī)器學(xué)習(xí)方法。人工智能 (AI) 模塊執(zhí)行計(jì)算并了解機(jī)器人將以某些方式移動(dòng)的條件。這使得精確預(yù)測(cè)其行為成為可能。

主席兼 SeaClear 首席研究員 Sandra Hirche 教授說：“另一個(gè)挑戰(zhàn)是，我們沒有像在陸地上那樣擁有可支配的計(jì)算能力。我們沒有鏈接到帶有超級(jí)計(jì)算機(jī)的大型數(shù)據(jù)中心。因此，我們需要在有限資源下運(yùn)行的高效算法。因此，我們正在使用高效的抽樣方法，以最少的數(shù)據(jù)得出精確的預(yù)測(cè)。人工智能系統(tǒng)只是丟棄了不必要的信息。”

90% 成功率

SeaClear 系統(tǒng)全面投入使用后，預(yù)計(jì)可實(shí)現(xiàn) 80% 的水下垃圾分類準(zhǔn)確率并成功收集 90% 的垃圾。這與水肺潛水員產(chǎn)生的結(jié)果相當(dāng)。原型的初步試驗(yàn)于 2021 年 10 月在克羅地亞杜布羅夫尼克進(jìn)行，那里的水清澈，能見度極佳。進(jìn)一步的試驗(yàn)計(jì)劃于 2022 年 5 月在漢堡港進(jìn)行。

SeaClear 項(xiàng)目的研究小組在監(jiān)視器上觀察機(jī)器人的水下活動(dòng)。圖片來(lái)源：SeaClear 項(xiàng)目