海洋包含著一片似乎無邊無際的有待探索的領土，在全球范圍內繪制這些未知水域的地圖是一項艱巨的任務。自主水下機器人艦隊可能是幫助繪制地圖的寶貴工具，但這些機器人需要能夠在保持高效和準確的同時導航這一雜亂的區(qū)域。

在6月24日發(fā)表在《IEEE海洋工程雜志》上的一項研究中，一個研究團隊開發(fā)了一種新的框架，允許自主水下機器人高效、低誤率地繪制雜亂區(qū)域。

繪制水下環(huán)境地圖的一個主要挑戰(zhàn)是機器人位置的不確定性。

“由于GPS在水下不可用，大多數(shù)水下機器人沒有絕對位置參考，它們的導航解的精度也各不相同，”參與該研究的新澤西州霍博肯史蒂文斯理工學院機械工程副教授Brendan Englot解釋道，“預測機器人探索未知領域時的變化將允許自主水下機器人在這些挑戰(zhàn)性環(huán)境下構建盡可能精確的地圖?！?/p>

Englot團隊創(chuàng)建的模型使用虛擬地圖，抽象地表示機器人尚未看到的周圍區(qū)域。他們開發(fā)了一種算法，以考慮機器人的定位不確定性和感知觀察的方式規(guī)劃虛擬地圖上的路線。

感知觀察通過聲納成像收集，聲納成像有助于檢測機器人前方30米范圍和120度視野內的環(huán)境中的物體。“我們對圖像進行處理，從每個聲納圖像中獲得一個點云。這些點云指示相對于機器人的水下結構的位置，”Englot解釋道。

然后，研究團隊在紐約Kings Point的一個港口使用BlueROV2水下機器人測試了他們的方法。Englot說，該區(qū)域足夠大，可以產(chǎn)生明顯的導航誤差，但又足夠簡單，可以在沒有太大困難的情況下進行大量實驗。該團隊將他們的模型與其他幾個現(xiàn)有模型進行了比較，在機器人在港口航行的至少三次30分鐘的試驗中測試了每個模型。還通過模擬評估了不同的模型。

Englot說：“研究結果表明，每種相互競爭的（模型）都有其獨特的優(yōu)勢，但我們的模型在快速探索未知環(huán)境和繪制精確的環(huán)境地圖之間提供了一個非常有吸引力的折衷方案?！?/p>

他指出，他的團隊已經(jīng)申請了一項專利，將考慮他們的模型用于海底石油和天然氣生產(chǎn)目的。然而，他們設想該模型也將適用于更廣泛的應用，如檢查海上風力渦輪機、海上水產(chǎn)養(yǎng)殖基礎設施（包括漁場）和民用基礎設施，如碼頭和橋梁。

“接下來，我們希望將該技術擴展到3D地圖場景，以及可能已經(jīng)存在局部地圖的情況，我們希望機器人能夠有效利用該地圖，而不是完全從頭開始探索環(huán)境，”Englot說，“如果我們能夠成功地將我們的框架擴展到3D繪圖場景中，我們還可以使用它探索水下洞穴或沉船網(wǎng)絡。”