""

澳门太阳城网站-最新注册

  • 即使是在未知的水域,澳门太阳城最新网站开发的机器人系统可以有效地嗅出宝贵,难以找到斑点中收集样本。在部署在巴巴多斯(如图)海岸自主船只实施时,系统很快找到了最暴露的珊瑚头,意思它位于最浅的斑点 - 这是研究如何阳光暴晒的影响珊瑚的有机体有用。

    即使是在未知的水域,澳门太阳城最新网站开发的机器人系统可以有效地嗅出宝贵,难以找到斑点中收集样本。在部署在巴巴多斯(如图)海岸自主船只实施时,系统很快找到了最暴露的珊瑚头,意思它位于最浅的斑点 - 这是研究如何阳光暴晒的影响珊瑚的有机体有用。

    Image courtesy of the researchers

    Full Screen

Autonomous system improves environmental sampling at sea

即使是在未知的水域,澳门太阳城最新网站开发的机器人系统可以有效地嗅出宝贵,难以找到斑点中收集样本。在部署在巴巴多斯(如图)海岸自主船只实施时,系统很快找到了最暴露的珊瑚头,意思它位于最浅的斑点 - 这是研究如何阳光暴晒的影响珊瑚的有机体有用。

机器人船能更快地定位在未知的水域最有价值的采样点。


Press Contact

Abby Abazorius
Email: abbya@mit.edu
Phone: 617-253-2709
MIT News Office

Media Resources

1 images for download

Access Media

媒体只能从本网站的桌面版本下载。

由澳门太阳城最新网站的研究人员和树林里发明了一种自主机器人系统Hole海洋研究所(WHOI)有效地嗅着出最科学的有趣 - 但很难找到的 - 取样辽阔,海域未开发的景点。

环境科学家正在收集样品在环境中的最有趣的地方,或“千里马”,经常感兴趣。一个例子可以是化学品泄漏的来源,其中该浓度是最高的,并主要由外部因素未受破坏。但最大的可能是,研究人员希望来衡量,如水深或大部分暴露在空气中的珊瑚礁部分的任何量化的价值。

努力部署最大寻求机器人从效率和准确性问题的影响。通常,机器人会来回移动像割草机覆盖一个区域,这是费时,并收集许多无趣的样本。一些机器人感知,并按照高浓度的小径的泄漏源。但它们可以被误导。例如,化学品可以得到被困在缝隙中积累从源远。机器人可以标识这些高浓度的斑点作为源又是密切不通。

在一份文件上,在智能机器人与系统(的IRO)国际会议上被提出,研究人员描述了“羽状物”,一个系统,使自主移动机器人远远更快,更有效地在零上最大的。羽状利用概率技术来预测哪些路径很可能导致到最大,在导航时的障碍,移电流,和其他变量。因为它收集的样品,它的重量就是它的教训,以确定是否继续向下一个有希望的路径或搜索未知的 - 这可能怀有更有价值的样本。

重要的是,羽到达目的地而没有得到被困在那些棘手的高浓度点。 “这很重要,因为它很容易认为你已经发现了金矿,但实际上你发现傻瓜的黄金,说:”共同第一作者维多利亚普雷斯顿,博士学位的学生在计算机科学和人工智能实验室(CSAIL)和澳门太阳城最新网站伍兹霍尔海洋研究所的联合计划。

研究人员建立了成功检测到了Bellairs在巴巴多斯岸礁最暴露的珊瑚头羽供电的机器人船 - 意思,它位于最浅的斑点 - 这是研究如何阳光暴晒的影响珊瑚的有机体有用。在不同的水下环境100次模拟试验中,虚拟机器人羽状物也一贯收集最大值比在分配的时帧的传统方法覆盖的七至八倍更多的样品。

“羽确实有必要探索以找到最大的最小量,然后迅速集中收集有价值的样本有”共同第一作者吉纳维夫flaspohler,博士研究生和CSAIL和澳门太阳城最新网站伍兹霍尔海洋研究所的联合方案说。

在纸张加盟普雷斯顿和flaspohler是:下午安娜米歇尔和约杰什girdhar,在海洋应用物理和工程在伍兹霍尔海洋研究所的部门既科学家;和Nicholas罗伊,在CSAIL和航空航天系教授。  

Navigating an exploit-explore tradeoff

羽毛的关键洞察力利用概率的技术来推理导航开发什么了解了环境和探索未知领域,可能是更有价值的众所周知的复杂的权衡了。

“在最大追求的主要挑战是如何使机器人平衡,它已经知道有高浓度和探索的地方它不很了解的地方利用信息,” flaspohler说。 “如果机器人探索太多,也不会在最大收集足够的有价值的样本。如果没有足够的探索,它可以完全错过最大“。

下降到一个新的环境中,羽供电的机器人使用称为高斯过程,使对环境变量,如化学浓度预测的概率统计模型,并估计感应的不确定性。羽流然后生成的可能的路径,机器人可采取的分布,并且使用估计的值和不确定性的排名由它如何允许机器人探索和利用每个路径。

起初,羽毛会选择随机探索环境的路径。每个样品,然而,提供了有关在周围环境中的目标的值的新的信息 - 如用化学物质或浅深度的最高浓度点。高斯过程模型利用了数据来缩小的可能路径,机器人可以从它的给定的位置按照从位置具有更高值的样本。羽毛采用了新的目标函数 - 在机器学习常用于最大化的奖励 - 做的机器人是否应该利用过去的知识或探索新的区域呼叫。

“Hallucinating” paths

这里收集下一个样品的决定依赖于系统的,以“幻觉”从当前位置的所有可能的未来行动的能力。这样做,它利用蒙特卡罗树搜索(MCTS),为普及供电是掌握复杂的游戏,比如去和国际象棋的人工智能系统的路径规划技术的改良版本。

MCTS使用决策树 - 地图上连接的节点和线路的 - 以模拟路径,或序列的移动,以达到最终的获胜动作需要的。但在游戏中,可能的路径的空间是有限的。在未知的环境中,具有实时变化的市场动态,空间实际上是无穷大,使得规划非常困难。研究人员设计的“连续观测MCTS”,它利用了高斯过程和新的目标函数的以上可能真实路径此笨重空间进行搜索。

这MCTS决定树的根部开始以“信仰”的节点,这是下一个直接步骤,机器人可以采取。这个节点包含机器人的动作和观察,直到这一点的整个历史。然后,系统扩展从根到新的线路和节点树,望过去,导致探索和未开发领域的未来行动的几个步骤。

然后,系统仿真,如果它采取了样品从每次新生成的节点的基础上,一些模式已经从以前的意见,得知会发生什么。取决于最终模拟节点的值,则整个路径接收的奖励得分,数值越高等于更有前途的行动。从所有路径奖励分数被回滚到根节点。机器人选择最高得分路径,需要一个步骤,并且收集一个真实样品。然后,它使用真实的数据来更新其高斯过程模型,并重复了“幻觉”的过程。

“只要在系统继续产生幻觉,有可能是在世界上看不见的部分更高的价值,就必须不断探索,” flaspohler说。 “当它最终收敛于一个点它估计是最大的,因为它不能产生幻觉沿路径更高的价值,它然后停止探索。”

现在,研究人员正在与科学家在伍兹霍尔海洋研究所使用的羽毛为动力的机器人在火山网站本地化化学羽和融化在北极沿海河口研究甲烷释放合作。科学家们感兴趣的是释放到大气中的化学气体的来源,但这些测试地点可以跨越数百平方英里。

“他们可以[使用羽毛来]花更少的时间去探索那巨大的区域,真正专注于收集科学价值的样品,”普雷斯顿说。


Topics: Research, Computer science and technology, Algorithms, Computer Science and Artificial Intelligence Laboratory (CSAIL), Autonomous vehicles, Machine learning, Artificial intelligence, Environment, Robots, Robotics, Oceanography and ocean engineering, Aeronautical and astronautical engineering, School of Engineering

Back to the top