美国科研人员正在利用人工智能帮助水下机器人适应各种极端环境，以完成勘察水中建筑安全状况的任务。
海浪、风、水流、过往船只的尾流和建筑物周围的漩涡使水域成为经验丰富的船长所面临的最复杂环境之一，更不用说机器人了。现在，美国史蒂文斯理工学院(Stevens Institute of Technology)的研究人员正在开发一种算法，教机器人适应不断变化的海洋动态，以解决国民最关心的问题之一：保护和维护我们老化的海上基础设施，如码头、管道、桥梁和水坝。
这项工作由史蒂文斯理工学院的机械工程教授布伦丹·恩格罗(Brendan Englot)领导，他正在努力应对这些水下建筑的频率问题。目前，主要由潜水员对水下建筑物进行探测，但水下探测物远比潜水员多得多。有时，潜水员必须潜到地表以下极度危险的深处，而他们的身体需要几个星期才能恢复。恩格罗正在训练机器人承担这样的任务——但这并不容易。
恩格罗说:“有很多水流会把机器人推得到处乱转，而且水下的能见度通常很低，这使得水下运载工具很难像人在地面上行走或在空中行走那样有态势感知能力。”
恩格罗研究小组采用了一种叫做强化学习的人工智能技术，它使用不基于精确数学模型的算法；相反，它采用目标导向算法，教会机器人如何通过执行动作和观察结果来实现复杂的目标。当机器人收集数据时，它会更新“策略”，找出在水下操作和导航的最佳方式。
他们收集的数据是声纳——这是最可靠的海底航行工具。就像海豚使用回声定位技能一样，恩格罗的机器人会发出高频声波，并测量声波在反射周围构造物后返回的时间，收集数据并感知周边环境，同时可能被水流冲击得东倒西歪。
最近，恩格罗派了一个机器人去执行一项自动任务，目标是绘制曼哈顿码头的地图。“我们以前没有那个码头的模型，”恩格罗说。“现在我们能够把我们的机器人送下去，它最终能返回并在整个任务中成功地定位自己。”在恩格罗实验室创建的算法的指导下，机器人能独立移动，收集信息，最后生成一幅显示码头支柱位置的3D地图。
这些初步工作鼓舞人心，但是恩格罗正在努力扩展他的机器人的能力。恩格罗预计机器人能够对从船体到近海石油平台的一切情况进行常规检查。此外，机器人还可以绘制地球广阔的水下地形。
然而，实现这些目标意味着需解决声纳的局限性问题。恩格罗说:“想象一下，当你走在一栋建筑里，在走廊里穿行时，你会看到和医用超声波一样的灰度、颗粒状的视觉清晰度。”
一旦一个结构被绘制成地图，自动机器人就可以计划第二次“传球”——使用摄像机对关键区域进行更高分辨率的检查。恩格罗进一步设想了像鳗鱼一样的机器人，它们可以在缝隙和狭窄的空间中穿梭，甚至可以协助救援。恩格罗称，要真正地利用这些技术，首先需要能够稳定地航行。为此，恩格罗继续调整他的算法来提供这种稳定性。
