一轉(zhuǎn)眼，百 度無人車已經(jīng)在北京開放運營半個月了。試乘火爆，據(jù)悉，僅 10 月 12 日當天，Apollo GO 自動駕駛出租車約車訂單就累計達到了 2608 單。

作為最貼近我們生活的人工智能場景之一，自動駕駛技術一直備受關注，從谷歌 Waymo 到國內(nèi)的百 度和滴滴，都在加緊研發(fā)推進。

不過你有沒有想過，能否把自動駕駛技術應用在船上呢？

還真有！近日，麻省理工學院計算機科學與人工智能實驗室 （CSAIL）的研究人員稱，他們已經(jīng)創(chuàng)造了一種可以自主移動的自動駕駛船，它能夠在搭載乘客過河，即使是在湍急的水流中也能保持穩(wěn)定前行，研究人員還給這款船起了個有趣的名字——Roboat II。

Roboat 是一個為期 5 年的研究項目，研究人員的初衷是希望通過這些自主駕駛船來改造阿姆斯特丹的運河，比如可以用它來收集水上垃圾、運送貨物或人員。

別看上圖中它的樣子有些 “寒酸”，這只是個雛形~ 未來它周圍會安上圍欄，一次最多能承載 6 人呢！

目前，這篇研究已經(jīng)在國際智能機器人與系統(tǒng)會議上展示，值得一提的是，這篇 Roboat II 最新論文的一作王偉是來自北大的一名博士畢業(yè)生。

能揀垃圾能載人，還能 “手拉手排排走”，船只合體依舊轉(zhuǎn)彎自如

Roboat II 是由 CSAIL、麻省理工學院感知城市實驗室和阿姆斯特丹先進都市解決方案研究所 （AMS）在過去五年中開發(fā)的自主駕駛船的最新成員。

五年前，該項目剛剛開始的時候，使用的還是一米長的船只，只能在游泳池和運河中?，F(xiàn)在它正在向更大的船只發(fā)展。

Roboat II 長 2 米 （6 英尺），重 50 公斤 （110 磅），可搭載 4-6 名乘客，被 MIT稱為 “Covid-friendly”，因為它足以使乘客之間保持隔離距離。它可以不到 0.17 米 （7 英寸）的誤差，在阿姆斯特丹運河上航行 3 個小時。

長方形的船體包裹著傳感器、推進器、微控制器、攝像機和其他硬件。

研究人員的目標是創(chuàng)造出能在阿姆斯特丹 160 多條運河中運送人和貨物的機器船隊，他們還希望這些船只能夠自主 “變換隊形”，比如船只可以 “串聯(lián)”或 “并聯(lián)”在一起，以幫助減少行人擁堵。

他們也對此進行了實驗，實驗設定無論是船只 “串聯(lián)”還是 “并聯(lián)”在一起，都是中間的船負責領導船隊運行的方向和軌跡。

研究人員展示了 10 倍速下的實驗過程，左側(cè)兩個坐標圖顯示的是結構的軌跡和方向，其中紫色和藍色軌跡代表實驗組；右側(cè)三個坐標圖顯示的是機器船只的力和力矩，其中紅色軌跡代表領隊船只。

結果顯示，船體小組能夠在兩種配置中完成不同軌跡和方向的行駛，其中 Follower 的力量大小對整個船組有積極的貢獻，這表明 Follower 可以幫助中間的 Leader 船只行駛或變換方向。

船體之間無需通信，跟隨者可預估領隊意圖并調(diào)整自己移動軌跡

與上一代船體機器人相比，Roboat II 改進了同步定位和映射算法 （SLAM）、以及基于模型的最優(yōu)控制器 （非線性模型預測控制器）和基于優(yōu)化的狀態(tài)估計器 （移動地平線估計）。

通過運行 SLAM 算法，利用激光雷達和 GPS 傳感器，以及用于定位、姿態(tài)和速度的慣性測量單元，船只可以進行自我定位?？刂破鞲檨碜砸?guī)劃器的參考軌跡，規(guī)劃器更新其路徑以避開檢測到的障礙。

通常每個 Roboat 上運行的分布式控制器需要連接結構的速度信息 （以結構中心的速度表示），但 Roboat II 知道自己相對于結構中心的位置。也就是說，Roboat II 的算法不需要相對位置，每個 Roboat II 使用自己的速度，而不是結構中心的速度。

當領隊 Roboat II 開始向給定的目的地移動時，另一個 Roboat II 可以估計領隊的意圖并調(diào)整自己的移動軌跡。領隊船還可以通過調(diào)整輸入來引導 Roboat II 的其余部分，而不需要兩艘船之間進行任何通信。

研究人員計劃在未來使用人工智能來估計 Roboat 的關鍵參數(shù)。他們還打算探索自適應控制器，當物體被放置在船上時，允許結構的動態(tài)變化。

論文一作來自北大博士畢業(yè)生，現(xiàn)在重點研究機器人的控制、感知和協(xié)調(diào)

這篇 Roboat II 最新論文的一作王偉是來自北大的博士畢業(yè)生。

王偉是北京大學工學院謝廣明教授的博士研究生，博士論文主要研究自主智能仿生機器人魚。

在 2015 年，他和導師謝廣明發(fā)表論文《Online High-Precision Probabilistic Localization of Robotic Fish Using Visual and Inertial Cues》，這篇文章針對計算能力有限、傳感設備成本較低的微型水下機器人，提出了一種在線高精度概率定位方法；以及一種新的水下圖像處理算法，以提高水下圖像的質(zhì)量。

2016 年，二人再次發(fā)表關于仿生機器人魚的論文《Online localization of freely swimming robotic fish》，這也是王偉的博士畢業(yè)論文。

2016 年畢業(yè)后，他進入麻省理工學院進行博士后研究?，F(xiàn)在，王偉是 MITSenseable City 實驗室和 CSAIL 的高級博士后，也是 MIT城市研究及規(guī)劃學系的研究人員。

他的研究重點是機器人的控制，感知和協(xié)調(diào)。他也對無人駕駛車輛，受生物啟發(fā)的機器人，軟機器人和群機器人感興趣。

在談到 Roboat II 項目時他表示：“開發(fā)一種能夠精確測繪、強健控制和載人運輸?shù)淖灾鞔到y(tǒng)，是使該系統(tǒng)在 Roboat II 上實現(xiàn)的關鍵一步。”“我們也希望這項技術最終能應用在其他船只上，讓它們實現(xiàn)自主駕駛。”
責任編輯：PSY