从太空机器人开始，SoundSee借助AI和声音预测未来

上月，美国宇航局Astrobee机器人在国际空间站上进行了首次自主飞行，在机器人完成检出并校准后，将SoundSee放置在Astrobee机器人的一个模块化有效载荷舱中。

Bosch SoundSee 定向麦克风由德国Bosch公司研发，安装完成后，它将执行各种任务，既可以在Astrobee机器人开展业务时被动录制音频，也可以录制特定系统的目标音频。 

也就是说，人类可以听到太空的“声音”了。

SoundSee的研发初衷

通过声音，人类可以发现很多问题。比如洗衣机坏了的发出的声音与平常就不相同，这是一个信号，暗示洗衣机需要维修了。

然而在现实生活中，我们大脑容易自动忽视各种背景音，可见人类在利用声音信息方面做得非常差。

但是对于计算机来说就不一样。

例如，在电影中，我们不免看到，在潜艇或宇宙飞船上，如果有嗡嗡声，工程师会突然竖起耳朵聆听并说“出了点问题”。

目前Bosch正在将想法变成现实。Bosch正试图弄清如何利用深度学习来识别并跟踪机器随时间推移产生的噪音。这需要机器能够识别声音中的细微变化，在未解决的问题发生之前发出警告。

Bosch希望通过机器学习，能让科技在现实中实现，甚至将之付诸于国际空间站的测试实践中。

SoundSee的太空任务

SoundSee的首要任务之一是对国际空间站进行声强调查。

这是一项相当乏味的工作，目前宇航员每隔几个月就要花大约两个小时的时间来做这个调查。

理想情况下，SoundSee和Astrobee机器人将能够自动执行此任务。

但是，相对在地球的应用而言，更有趣的任务是通过设备的声学监控，监听环境控制和生命支持系统（ECLSS）以及带有隔振和稳定功能的跑步机（TVIS）等系统发出的噪声。

在收集一定量的音频后，这些记录将被SoundSee发送回Bosch，研究人员将使用深度音频分析技术过滤掉背景噪音以及机器人本身的噪音，再进行样本分析。

通过使用在地球上等效系统上训练的深度学习算法，Bosch希望SoundSee能够提供该系统运行方式的“内部快照”。

或者视情况而定，如果SoundSee不能正常运行，会请宇航员花费大量时间进行维修。 

对于此，博世首席研究员兼SoundSee项目负责人Sam Das解释说：“我们正在研究无监督的异常检测算法，并且我们有一些基于深度学习的方法，可以检测机器运行特性的逐渐或突然变化。”

他说，SoundSee无法预测所有事情，但是“跟踪正常动力模型的缓慢偏离，并告诉我们，'嘿，您应该检查一下这将是一道防线。” 这可能是一个错误的警报，但是我们的系统将接受训练以侦听可疑行为。这些微妙的长期模式和变化可以为我们提供有关系统降级的令人惊讶的丰富信息。这是最终目标，我们将能够在任何其他传感功能之前识别出这些东西。”

Sam Das还说，可以认为SoundSee类似于训练基于视觉的系统来分析某人的行走。首先，您将按照正常的步行步态训练系统。然后，您将训练系统以识别有人跌倒的时间。最终，该系统将能够识别绊倒，然后识别出肌肉痉挛，最终目标将是通过一个系统来进行反馈，该系统可以说：“看起来您的一只肌肉可能刚刚开始痉挛，最好放松一下！”

之所以将SoundSee系统放在移动机器人上，而不是使用固定麦克风的分布式阵列，是因为它能够将本地化信息与音频数据结合起来，Das表示这提供了更多有用的数据。移动平台意味着可以本地化声音来源。现在，我们可以融合来自不同点的音频中的信息，沿着运动轨迹聚合该信息，然后通过创建环境的声音图来使这一步骤更进一步。

SoundSee在地球上的应用

这个概念也扩展到地球上的操作。

SoundSee的第一个应用，是在充满了移动机器人的仓库环境。

Sam Das表示，仓库的每台移动机器人都可以部署SoundSe，这样仓库将拥有一个用于物理基础设施监控的虚拟检查器。

从长远来看，这种技术的应用领域必定很广泛，尤其是来自全球最大的汽车零部件供应商Bosch的技术。

如果当您的汽车安装了一个已经经过训练的类似SoundSee的系统，将能够预测维护需求并准确识别新出现的机械问题。说不定在驾驶员未发现故障之前，SoundSee已经给出提示和建议。