关于智能仿生机器鱼与谢广明教授的一些交流 | CCF-GAIR 2018

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，得到了深圳市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，AI 科技评论做了不改变原意的调整和编辑。

AI 科技评论：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。

AI 科技评论：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。

AI 科技评论：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。

AI 科技评论：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，有成熟的解决方案。

AI 科技评论：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。

AI 科技评论：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。

AI 科技评论报道。点击文末阅读原文查看 AI影响因子。

┏(＾0＾)┛欢迎分享，明天见！