这个小型人工智能机器人正在学习独自探索海洋

海洋是巨大的，我们对它的理解仍然主要停留在表层深处。根据美国国家海洋和大气组织的数据，大约80%的大蓝色区域是“未测绘、未观测和未勘探的”

船只是收集海洋信息的主要方式，但频繁发送这些代价高昂。最近，被称为Argo浮标的机器人浮标随着洋流漂流，在6500英尺深处上下潜水进行各种测量。但加州理工学院实验室的新型水上机器人可以更深入地漫游，并承担更为定制的水下任务。

John O.Dabiri说：“我们正在设想一种全球海洋探索的方法，在这种方法中，你可以使用成群的各种类型的小型机器人在海洋中进行跟踪、气候变化和了解海洋物理。”，加利福尼亚理工学院航空和机械工程教授。

卡尔·博特（加州理工大学自主强化学习机器人），一个手掌大小的水上机器人，看起来像是药丸胶囊和小飞象章鱼的杂交体。它有可以四处游动的马达，可以保持直立的重量，还有可以检测压力、深度、加速度和方向的传感器。卡尔所做的一切都是由内部的微控制器驱动的，它有一个1兆字节的处理器，比邮票还小。

卡尔是达比里实验室最新的穿越海洋的创新，由加州理工学院研究生彼得·甘纳森在家创作和3D打印。第一次测试是在他的浴缸里进行的，因为加州理工学院实验室因为科维德2021年初就关闭了。

现在，卡尔仍然可以远程控制。但要真正到达海洋的最深处，就不能牵手。这意味着，没有研究人员能为卡尔指明它需要学会独自在浩瀚的海洋中航行的方向。Gunnarson和Dabiri找到了计算机科学家Petros Koumoutsakos，他帮助CARL开发了人工智能算法，可以教会CARL根据当前环境和过去经验的变化来定位自己。他们的研究发表在本周的《自然通讯》上。

卡尔可以决定在飞行中调整路线，绕过汹涌的水流，到达目的地。或者，它可以使用锂离子电池的“最小能量”停留在指定位置。

卡尔的优势在于

Koumoutsakos开发的一套算法可以在小型机器人上执行寻路计算。这些算法还利用了机器人对先前遭遇的记忆，比如如何通过漩涡。“我们可以利用这些信息来决定未来如何应对这些情况，”达比里解释道。

Gunnarson补充道，CARL的编程使它能够记住在以前的任务中所走的类似路径，“经过反复的体验，在用更少的时间和精力对海洋进行采样方面越来越好。”。

很多机器学习都是在模拟中完成的，所有的数据点都是干净的。但将其转移到现实世界可能会很混乱。传感器有时会不知所措，可能无法获取所有必要的指标。“我们刚刚开始在实体坦克上进行试验，”甘纳森说。第一步是测试卡尔是否能完成简单的任务，比如反复潜水。加州理工学院博客上的一段短视频显示，机器人笨拙地在一个静止的水箱中蹦蹦跳跳。

随着测试的进行，研究小组计划把卡尔放在一个池子状的水箱里，水箱里有小型喷射器，可以产生水平洋流，让它通过。当机器人从那里毕业后，它将移动到一个两层楼高的设施，可以模拟上升流和下降流。在那里，它必须弄清楚如何在海洋的某个区域保持一定的深度，在那里周围的水向各个方向流动。

达比里说：“不过，我们最终还是希望卡尔进入现实世界。他将离开巢穴，进入海洋，在那里经过反复试验，目标将是让他学会如何独自航行。”。

在测试过程中，团队还将调整卡尔内外的传感器。Dabiri说：“我们的一个问题是，为了完成任务，可以在船上安装的传感器的最小数量是多少。”。当机器人装备了激光雷达或照相机等工具时，“这限制了系统在更换电池之前在海洋中运行很长时间的能力。”

通过减轻传感器负载，研究人员可以延长卡尔的寿命，并开辟空间增加科学仪器来测量pH值、盐度、温度等。

卡尔的软件可能会启发下一个仿生水母

去年早些时候，达比里的研究小组发表了一篇论文，介绍了他们如何使用电击来控制水母的运动。有可能在卡尔的基础上增加一个包含类似机器学习算法的芯片，使研究人员能够更好地引导果冻穿越海洋。

达比里说：“弄清楚这种导航算法是如何在真实的水母身上工作的可能需要很多时间和精力。”。在这方面，卡尔为算法提供了一个测试平台，这些算法最终可能会应用到经过机械改造的生物身上。与机器人和漫游者不同，这些水母不会有深度限制，因为生物学家知道它们可以存在于马里亚纳海沟中，大约在地表以下30000英尺。

卡尔本身仍然可以成为海洋监测的有用资产。它可以与现有的仪器（如Argo浮标）一起工作，并执行单独任务以进行更精细的探索，因为它可以接近海床和其他脆弱的结构。它还可以跟踪和标记生物有机体，如鱼群。

Dabiri说：“将来某一天，你可能会想象10000或100万卡尔（我想我们会给它们取不同的名字）全部进入海洋，测量我们今天无法同时进入的区域，这样我们就可以得到海洋变化的时间分辨率图。”。“这对于气候模型预测非常重要，而且对于理解海洋是如何工作的也非常重要。”