机器人如何帮助对抗有毒藻类

湖泊中有害的藻类大量繁殖是一个主要的环境问题，它会产生极其危险的毒素，这些毒素会污染供水或危害其他有机生命——包括人类。生物学家可以通过从船边采集样本来测试水域安全性，但获取相关数据并非易事，尤其是在覆盖数百英里的湖泊中。

虽然藻类大量繁殖可以在任何地方出现，但找到最佳采样地点就像大海捞针一样。

因此，生物学家目前通过反复试验来发现藻类集中区，并努力预测新的生长，从而延长了潜在有害藻类的发现时间，并在该领域浪费了时间和劳动力。

现在，南加州大学的计算机科学家和生物学家已经开发出一种方法，可以让自主机器人在科学家踏入现场之前找到有毒藻类的主要样本点位置。该团队最近在国际智能机器人和系统会议(IROS)上发表了题为“用于估计环境分析分位数的信息路径规划”的论文。该论文也可在arXiv预印本服务器上找到

“目前，科学家在现实世界中使用的许多机器人没有自主性或适应性，”共同第一作者、计算机科学博士IsabelRayas说。学生由GauravSukhatme指导，他是FletcherJonesFoundationEndowed计算机科学主席和计算机科学与电气和计算机工程教授。

“我们的工作使生物学家可以轻松地说明他们想要从哪些类型的区域收集水，然后机器人可以明确地专注于以该目标为目标进行测量。这使他们能够节省时间并更有效地收集数据。“

定位有害藻类

加利福尼亚对有害藻类大量繁殖并不陌生，尤其是近年来，随着气候变化导致温度升高并扰乱供水系统。湖泊、水库和其他水体已经充满蓝藻，蓝藻会导致有毒藻类大量繁殖，以至于住在附近的人因摄入有毒烟雾而面临健康并发症。

在它们全力以赴之后很难对抗花朵。在某些情况下，用于处理水的化学品甚至会使问题变得更糟。这就是为什么生物学家密切关注蓝藻水平的能力是一项极其重要的任务。

虽然机器人以前曾被用来帮助生物学家定位藻类，但它们只能对环境进行概览。根据研究的共同第一作者克里斯丹尼斯顿，计算机科学博士。学生，这个过程也遇到了“先有鸡还是先有蛋的问题”。

“你真的不知道你会从水样中得到什么，而且很难选择在哪里取样，因为你没有任何以前的数据，”丹尼斯顿说。“如果不首先测量它们，就很难知道哪些位置最适合测量。”

关注一个区域

相反，南加州大学团队的机器人充当“预调查”，以便在生物学家进入实地之前观察某个区域。虽然生物学家以前在这个过程中使用过无人机，但南加州大学的团队是第一个将这种特定任务的计划纳入机器人日常工作的团队，根据生物学家的说法，它会在探索湖泊时积极寻找藻类大量繁殖的痕迹'偏爱。

例如，他们可能会要求机器人只寻找满足某个“兴趣分​​位数”的位置，或者在这种情况下，是标记叶绿素浓度的绿点。使用无人机上的摄像头或水下航行器上的叶绿素传感器，这项新研究的重点是算法如何根据收集到的信息智能地选择位置来测量有毒藻类浓度。

模拟无人机收集数据并生成建议的物理标本收集位置。机器人在模拟中运行，以允许与其他方法进行多样化和稳健的比较。图片来源：伊莎贝尔·拉亚斯和克里斯·丹尼斯顿

现在，机器人不再只是通过不分青红皂白地探索某个区域来为科学家提供更详细的区域地图，而是可以在理想的采样位置进行磨练，并且生物学家无需多次前往湖中寻找藻类大量繁殖的地方.

该项目的模型比生物学家使用的典型设备“更智能”，因为它使用信息路径规划或IPP维护其周围环境的模型，IPP是一种人工智能，可以确定自治系统实现其目标的最有效路径。

使用IPP，机器人侦察藻类的最佳路线会根据从传感器获得的信息不断更新——有效地允许它根据已经看到的内容“即兴”去哪里。

每当无人机移动时，它都会进行新的测量以逐步更新通知下一步去向的内部模型。结果是一张地图，清楚地显示了藻类浓度特别接近生物学家关心的分位数或水平的区域。换句话说：取样的理想场所。

研究人员通过在田间飞行无人机来测试该系统拾取藻类“绿点”的能力。

“使用机器人的好处在于，我们专注于专门针对这些科学家感兴趣的位置类型的数据收集，”Rayas说，并补充说他们目前正在扩展系统以与机器人团队合作以提高效率。“它消除了一些猜测，并为选择某些地点提供了更有根据的理由。”

该研究的合著者大卫卡伦教授是南加州大学副教授艾伦汉考克船长海洋科学主席兼生物科学教授，他与Sukhatme合作进行生物学和计算机科学相结合的研究超过15年。

“作为一名生物学家，我想更多地了解水中发生的事情，”卡伦说。“机器人技术和计算机科学可以为我提供洞察力的任何事情——如果你愿意的话——在水中多一双眼睛——对我来说非常有价值。”

根据卡伦的说法，评估水体是一项极其劳动密集型的工作，任何节省时间或精力的事情都会有用。

“如果我想对水体说点什么，我必须上船，我必须到一个巨大的环境中去，我必须把仪器放在水中，然后收集它，”卡伦说。“没有足够的信息来自传感器之类的东西，无法进行我想要的所有测量。”

Sukhatme证明，生物学家并不是唯一从中获益的人，因为从其他领域解决问题可以改变计算机科学家解决问题的方式。

“大问题并不完全符合学科界限——你必须跳出框框思考。对我来说，作为一名计算机科学家和机器人专家，与Caron教授的团队合作是一种教育，”Sukhatme说。“我们已经学会了如何以新的方式提出问题，从而找到我们以前从未想过的解决方案。”

Denniston和Rayas都重视与生物学家的合作，因为这让他们有机会利用计算机科学解决环境问题。他们相信他们的信息路径规划模型可以应用于未来其他类型的土地调查。

“我认为我们与生物实验室的合作真的很棒，它让我们了解为什么我们正在做我们正在做的事情并且它符合人类利益，”Rayas说。“我开始研究这个是因为我在寻找一种方法，让机器人技术能够以积极的方式对环境产生影响。”