雷锋网 ai 科技评论按:2018 年 6 月 29 日至 7 月 1 日全球人工智能与机器人峰会(ccf-gair)在深圳召开,峰会由中国计算机学会(ccf)主办,雷锋网、香港中文大学(深圳)承办,得到了宝安区政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会,旨在打造国内人工智能领域最具实力的跨界交流合作平台。
ccf-gair 2018 延续前两届的「顶尖」阵容,提供 1 个主会场和 11 个专场(仿生机器人专场,机器人行业应用专场,计算机视觉专场,智能安全专场,金融科技专场,智能驾驶专场,nlp 专场,ai 专场,ai 芯片专场,iot 专场,投资人专场)的丰富平台,意欲给三界参会者从产学研多个维度,呈现出更富前瞻性与落地性相结合的会议内容与现场体验。
北京大学工学院谢广明教授于仿生机器人专场做了第二场报告,题为「智能仿生机器鱼」。谢广明教授对自己目前的研究进行了简单介绍。报告结束后,雷锋网就相关问题对谢广明教授进行采访。以下为采访内容,雷锋网做了不改变原意的调整和编辑。
雷锋网:请问仿生鱼项目里的哪些方法需要用到机器学习?和传统方法有什么区别?
谢广明:目前主要用在两个部分,在控制方面,想要达到理想的控制效果并不容易,我们现在的方法是基于 cfd,也就是计算流体力学加强化学习,而不再采用传统的建模加控制去做了,因为其实践效果实在不好。现在我们首先是建立力学模型,然后在仿生环境下让鱼去学习运动。比如说设计一个贝塞尔曲线,然后让鱼按照这个曲线去游,通过强化学习让鱼学会这种游动轨迹。
另外一方面是深度学习的应用。未来我们的仿生鱼上传感器会越来越多,摄像头、侧线系统等会收集很多数据,我们希望使用深度学习从这些数据中获取有价值的信息,比如环境信息。
至于与传统方法的区别,我只能说这些技术都是工具,没有哪个工具可以解决所有问题,我们会尝试不同的方法,能解决当前问题就行,并未深入研究相关机器学习算法。
雷锋网:仿生目标选择的标准是怎么样?现在这个项目有什么具体的应用的场景吗?
谢广明:我们选择仿生对象,之前可能偏纯学术,现在是注重解决实际问题,坚持问题导向,应用导向。至于落地有面向企业的,民用的像河道监测,排查水下环境。在一些比较热门的地点,比如说北戴河,很需要水下环境的安全,但使让人去排查工作量太大,只能用机器鱼去探测。另外就是检测水质等等。还有就是面向个人的,放机器鱼去水底拍照录像等,娱乐也是应用的一部分。
雷锋网:研究仿生机器人需要不需要生物学相关的知识?
谢广明:首先我认为仿生机器人的研究就是「拿来主义」:新材料,新的能源供给方式,新的传感器,新的电机驱动,都集成到自己的机器上来提升机器的性能。
其次既然研究仿生机器人,必然会涉及生物学,但是并不一定要自己深入研究,可以查查文献,找一找相关的资料,比如说鱼到底怎么感知环境的,你查一下就能获取相关知识了。当然有合适的合作者更好,没有合适的合作者就自己查资料,但没必要深入研究,反正是为了解决实际问题,把那些研究「拿」过来用,解决了问题就可以了。
雷锋网:水下探测器会有深度指标,仿生鱼有这方面的要求吗?
谢广明:下潜深度是一个工程问题,工程问题的米乐m6平台的解决方案很多是很成熟的,其实就是加工精度的问题。之所以防水性能不好可能是加工精度低,也可能是拆卸有损伤才导致漏水等。这方面是工程技术问题,有成熟的米乐m6平台的解决方案。
雷锋网:仿生鱼的群体智能有哪些作用?有哪些难点?
谢广明:比如就海洋目标搜索来说,单个机器鱼的感知能力,运动能力都是很有限的,能量也有限,这就导致了单个机器鱼搜索范围很小。如果能让机器鱼拥有群体智能,那搜索目标就更加容易了。在群体中机器鱼都是自主控制的,这种群体智能也叫分布式的智能,机器鱼地位平等,通过局部相互影响保持群体性。在未知的搜索环境中,机器鱼可以通过这种群体性(共享信息提高信息获取能力)提高自主能力。
难点有很多,比如水下通信。单个机器鱼只能获取部分状况,对于最新目标也不太清楚,如何让信息在群体中快速传播就是个问题。当然在通信的同时还要保证通信负载不能过大,要在通信受限的情况下保证群体的联通等,目前的问题还很多。
雷锋网:您接下来的研究方向?
谢广明:我们接下来的研究方向是结合智能材料,因为我们发现光靠目前的手段去实现仿生机器鱼已经到极限了,但是效果相较于真鱼还差得很远,我们现在正在研究使用软体材料或者高分子材料,也希望能找到合作的研究者。
还有就是我们也借鉴了一些生物学家对于群体智能的研究成果,他们的研究更加深刻。他们观察到鱼群有一些简单的规则,我们想把这些规则移植到机器鱼上,我们希望仿生机器鱼拥有「灵魂」。
比如说鱼群的混乱有序,单条鱼「自私」的自我保护却不妨碍群体有序,这是个很有意思的现象,我们可以把这种规则移植到仿生鱼上,看仿生鱼还能不能正常协作,我们目前在尝试这种深层次的仿生。