從海洋中清除垃圾是一個昂貴且耗時的過程。作為歐洲合作項目的一部分，德國慕尼黑工業大學 (TUM) 的一個團隊正在開發一種機器人系統，該系統使用機器學習方法來定位和收集水下廢物。

SeaClear 項目的機器人能夠檢測和收集水下垃圾。圖片來源：SeaClear 項目

全球海洋目前含有 26 至 6600 萬噸塑料垃圾，其中大部分位于海底。這對海洋動植物以及海洋生態平衡構成了巨大威脅。

但從水中清除廢物是一個復雜而昂貴的過程。這通常也很危險，因為這項工作通常由水肺潛水員完成。清理操作通常也僅限于水面。在SeaClear 項目中，TUM 的一個團隊正在與八個歐洲合作機構合作，開發一種能夠收集水下垃圾的機器人系統。

四個機器人一起工作

該系統結合了四個機器人組件：自動水面車輛對海底進行初始掃描并定位大型垃圾袋。接下來，一個觀察機器人被放入水中以檢測海底垃圾并將附加信息傳輸到計算機，例如海底的特寫圖像。

在清澈的水中和良好的能見度，空中無人機也被用來識別更多的垃圾物體。結果數據被組合以生成虛擬地圖。然后，收集機器人會訪問地圖上定義的點并拾取垃圾。它使用抓手將較大的碎片放入籃子中，該籃子由自動船拖到岸邊。

由四個機器人組成的系統可確保清潔海底。圖片來源：SeaClear 項目

潮流的挑戰

TUM 信息導向控制主席 SeaClear 項目的技術總監 Stefan Sosnowski 博士說：“開發用于水下應用的自主機器人是一項獨特的挑戰。這是因為，與基于陸地的應用相比，水中存在非常特殊的條件。當一塊垃圾被識別和定位時，機器人需要靠近它。為此，它可能需要克服強電流。TUM 在 SeaClear 項目中的任務是使機器人能夠朝著正確的方向移動。”

高效的機器學習

為此，該團隊正在使用機器學習方法。人工智能 (AI) 模塊執行計算并了解機器人將以某些方式移動的條件。這使得精確預測其行為成為可能。

主席兼 SeaClear 首席研究員 Sandra Hirche 教授說：“另一個挑戰是，我們沒有像在陸地上那樣擁有可支配的計算能力。我們沒有鏈接到帶有超級計算機的大型數據中心。因此，我們需要在有限資源下運行的高效算法。因此，我們正在使用高效的抽樣方法，以最少的數據得出精確的預測。人工智能系統只是丟棄了不必要的信息?！?/p>

90% 成功率

SeaClear 系統全面投入使用后，預計可實現 80% 的水下垃圾分類準確率并成功收集 90% 的垃圾。這與水肺潛水員產生的結果相當。原型的初步試驗于 2021 年 10 月在克羅地亞杜布羅夫尼克進行，那里的水清澈，能見度極佳。進一步的試驗計劃于 2022 年 5 月在漢堡港進行。

SeaClear 項目的研究小組在監視器上觀察機器人的水下活動。圖片來源：SeaClear 項目