無人水下航行器 (UUV)

遙控和自主車輛現(xiàn)在正幫助我們?cè)谌祟惒蝗菀椎竭_(dá)的地方進(jìn)行發(fā)現(xiàn)。最近在美國夏威夷和墨西哥之間的克拉里昂-克利珀頓區(qū)的底部探索海洋生物的任務(wù)，最深的地方在地表下5000多米，發(fā)現(xiàn)了30多個(gè)潛在的新物種。

這些無人駕駛的水下航行器（UUV）正在執(zhí)行任務(wù)，使人類能夠做出更好的決定（克拉里昂-克利珀頓調(diào)查是為了評(píng)估海底采礦的影響）。它們也在對(duì)未知的深海進(jìn)行測繪，按照下潛前設(shè)計(jì)的軌跡和任務(wù)指令，然后在離海底幾米的地方 "飛行 "幾個(gè)小時(shí)，同時(shí)將數(shù)據(jù)轉(zhuǎn)發(fā)給上面的船只。這些只是兩個(gè)例子；車輛可以被編程為尋找埋在海底的舊海雷，檢查管道是否泄漏，或搜索丟失的航運(yùn)集裝箱。

AutoTRAp Onboard? 自動(dòng)目標(biāo)識(shí)別和聲納圖像處理正在 Teledyne Gavia 平臺(tái)上進(jìn)行地雷探測測試。

問題是，現(xiàn)在這些自動(dòng)駕駛汽車缺乏一個(gè)重要的特征——好奇心。他們執(zhí)行一種模式（如割草機(jī)搜索）或收集數(shù)據(jù)并將其傳遞給人類以決定哪些對(duì)象是有趣的，然后被引導(dǎo)回這些目標(biāo)。

很快這些任務(wù)將與自動(dòng)駕駛汽車一起執(zhí)行，作為真正的隊(duì)友，機(jī)器被賦予一般任務(wù)指令和搜索區(qū)域，然后被釋放去探索并決定需要進(jìn)一步檢查的內(nèi)容，而不是需要遠(yuǎn)程控制或保持聯(lián)系以獲取指示。

好奇的機(jī)器可以修改他們的任務(wù)以獲得更多信息。他們不只是確定目標(biāo)；他們可以意識(shí)到他們找到了一種新的目標(biāo)。他們知道的足以說，‘那看起來有點(diǎn)像海星，但它不是我所期待的。我需要知道更多。當(dāng)然，機(jī)器并不是真的這樣說話……但是。然而，最近成立的 XAI（Explainable AI）領(lǐng)域正在為深度學(xué)習(xí)系統(tǒng)提供一種聲音，它們可以用一種自然且易于人類理解的方式傳達(dá)其決策和行動(dòng)背后的原因。

NEMO 將來自 Awarion? 自主監(jiān)視系統(tǒng)的信息與深度學(xué)習(xí) YOLO 神經(jīng)網(wǎng)絡(luò)和概率數(shù)據(jù)融合方法相結(jié)合，以準(zhǔn)確檢測和分類視覺和聽覺傳感器饋送中的海洋哺乳動(dòng)物。

自動(dòng)駕駛汽車的未來意味著在從深海到外太空的未開發(fā)地點(diǎn)和環(huán)境中執(zhí)行非常長期的任務(wù)。當(dāng)他們遇到異常時(shí)，他們需要知道他們觀察到的東西是新的和有趣的，然后決定靠近或跟隨它以了解更多信息。

但是創(chuàng)造一臺(tái)好奇的機(jī)器并不容易。為了好奇，一臺(tái)機(jī)器必須辨別出什么是不尋常的；換句話說，它必須執(zhí)行異常檢測。異常檢測很復(fù)雜。它需要機(jī)器感知某物（檢測）并知道它是什么或不是什么（分類）。這適用于靜止物體，如海底礦井，或移動(dòng)物體，甚至是一起移動(dòng)的物體組，如海洋生物，這可能需要觀察數(shù)天或數(shù)周以收集足夠的數(shù)據(jù)以確定什么是正常行為（即，生命分析模式中的基線）。

如何構(gòu)建好奇心？

要成為人機(jī)團(tuán)隊(duì)的好奇成員，海上車輛需要在許多領(lǐng)域進(jìn)行更先進(jìn)的研發(fā)：感知、AI 算法、世界建模、導(dǎo)航、異常檢測、人類可理解的通信等等。讓我們檢查一些。

ALPACA 機(jī)器學(xué)習(xí)代理不僅學(xué)習(xí)如何在戶外環(huán)境中導(dǎo)航，它還了解自己在任務(wù)中的能力。

感知：信號(hào)處理和數(shù)據(jù)解釋。視覺傳感器 (EO/IR) 在水下變得不太有效，因此它們的信息必須與聲學(xué)傳感器（聲納、多普勒、振動(dòng)計(jì)）融合。需要在機(jī)載圖像處理方面取得進(jìn)展，以消除諸如“海雪”之類的偽影——水下圖像中懸浮在水中的粒子反射產(chǎn)生的亮點(diǎn)——這樣圖像就足夠清晰，可以支持決策制定。所有傳感器必須變得更小并且需要更少的能量來支持更長時(shí)間的任務(wù)，以全面探索一個(gè)區(qū)域或追蹤物種的生活模式。

機(jī)載智能：自主、規(guī)劃、情境和自我意識(shí)。我們需要人工智能和機(jī)器學(xué)習(xí)的重大轉(zhuǎn)變，以融入真正的態(tài)勢(shì)感知；即對(duì)周圍內(nèi)外環(huán)境的認(rèn)識(shí)。人工智能并不能保證任務(wù)成功——人工智能的表現(xiàn)取決于它對(duì)環(huán)境和其中一切事物的了解，包括它自己。

為了準(zhǔn)確識(shí)別海底圖像中的某物是否值得研究，人工智能還必須知道海底類型、水柱狀態(tài)以及該環(huán)境的常見情況。它還需要了解自己的性能；如果傳感器出現(xiàn)問題，它必須低估傳感器的觀察結(jié)果，就像我們戴著鏡片上有污跡的眼鏡一樣。在更高的層次上，它需要知道它在某個(gè)環(huán)境中是否有足夠的經(jīng)驗(yàn)，或者它以前在那個(gè)環(huán)境中的表現(xiàn)是好是壞。

所有這些信息都必須輸入支持好奇行為的決策過程。決策軟件，即可以讓機(jī)器表現(xiàn)出好奇心的人工智能算法和知識(shí)模型的結(jié)合，必須能夠在車載的小型、輕量、低功耗處理器上運(yùn)行。

異常檢測：目標(biāo)檢測、分類和世界建模。目標(biāo)檢測和分類方面的進(jìn)步本身并不能確定一個(gè)物體是否異常。該判斷需要一個(gè)環(huán)境模型，并了解其中的正常情況。

目前，基線參數(shù)主要由人類提供，但通過用復(fù)雜模型替換這些硬編碼規(guī)則，機(jī)器可以知道，例如，水和沉積物在特定水下環(huán)境中如何傾向于混合，以及聲納返回的信息如何因此，傳感器應(yīng)該有不同的解釋。

海底地形的世界模型開發(fā)正在進(jìn)行中。像 Terradepth 這樣的公司正在使用一組自主潛水器來生成一組詳細(xì)的測深圖，這樣我們就可以在水面上方和下方使用谷歌地球。

人機(jī)協(xié)作和通信：當(dāng)前的數(shù)據(jù)對(duì)接和傳輸方法錯(cuò)失了發(fā)現(xiàn)的機(jī)會(huì)。通過傳輸（甚至實(shí)時(shí)傳輸）原始數(shù)據(jù)供人類分析，自動(dòng)駕駛汽車必須等待重新部署或被引導(dǎo)到一個(gè)有趣的目標(biāo)。

考慮另一種選擇：一臺(tái)機(jī)器確定一個(gè)發(fā)現(xiàn)足夠有趣，可以分享，所以它修改了它的行為——導(dǎo)航到表面，在那里它可以交流它發(fā)現(xiàn)的東西，然后潛回去尋找下一個(gè)新事物。為了實(shí)現(xiàn)這一點(diǎn)，人類必須信任他們的機(jī)器隊(duì)友。為了贏得這種信任，機(jī)器必須知道什么時(shí)候它可能需要人類的幫助才能表現(xiàn)良好，并且它必須能夠用人類可以理解的語言來解釋它的決定和行動(dòng)。

好奇心使能技術(shù)

Charles River Analytics 的科學(xué)家正在人類將好奇心編碼到自主水下和水面船只所需的許多領(lǐng)域進(jìn)行前沿研發(fā)。AutoTRAp Onboard? 是一種目標(biāo)檢測和分類系統(tǒng)，可為 UUV 的導(dǎo)航系統(tǒng)提供對(duì)象類型、檢測置信度和位置，使其能夠?qū)崟r(shí)處理聲納數(shù)據(jù)。Awarion? 是一種人工智能和計(jì)算機(jī)視覺系統(tǒng)，帶有一個(gè)攝像頭，可以掃描地平線并自動(dòng)尋找和跟蹤物體以進(jìn)行后續(xù)觀察，包括鯨魚、船只和海上的其他物體。激光多普勒測振法也正在探索用于空中、表面和地下傳感。

在 NOAA 和 DARPA 贊助的項(xiàng)目中，正在開發(fā)傳感器、檢測和分類軟件以支持對(duì)海洋哺乳動(dòng)物的調(diào)查。學(xué)習(xí)代理意識(shí)到自己的能力和軟件，可以解釋人工智能如何執(zhí)行分類，例如檢測圖像中的行人，或者它如何在游戲環(huán)境中做出決策，也已經(jīng)交付。

正在使用概率編程語言 Figaro 對(duì)不確定性下的決策制定進(jìn)行研究。世界建模由 Scruff 支持，Scruff 是一個(gè)新發(fā)布的框架，用于將不同的建模范例組合在一個(gè)連貫的框架中，以便它們可用于 AI 推理。在一個(gè)應(yīng)用程序中，這些語言使得將“正常”軟件轉(zhuǎn)換為自適應(yīng)軟件成為可能，UUV 上的導(dǎo)航和路徑規(guī)劃軟件可以使用這些軟件來快速適應(yīng)新的條件。

對(duì)于無人駕駛系統(tǒng)來說，真正的自主和值得信賴的人機(jī)隊(duì)友，他們必須好奇。好奇心是一種特殊形式的智力，通過了解什么是正常的和什么不是正常的編碼，具有自主性和能力來做出決定，然后執(zhí)行行為以進(jìn)一步調(diào)查。為了值得信賴，機(jī)器必須了解自己的表現(xiàn)，并就其決策和行動(dòng)進(jìn)行可理解的交流。一旦可以部署一批好奇的機(jī)器來服務(wù)于探索和保護(hù)，發(fā)現(xiàn)的速度將呈指數(shù)級(jí)增長。