超轻量声纳加AI让微型无人机像蝙蝠一样导航

（MENAFN- The Conversation） 为了帮助小型空中机器人在黑暗和其他低能见度环境中导航，我和同事们开发了一种基于超声的感知系统，其灵感来自蝙蝠的回声定位。

当前的机器人在很大程度上依赖摄像头或光学探测与测距（lidar，激光雷达），或二者兼用。但在视觉条件十分苛刻的情况下，这些传感器会失效，例如烟雾、雾气、尘埃、雪地或完全黑暗。

我是开发生物启发型微型机器人的科研工程师。为了应对这一挑战，我的研究团队把目光投向了自然界中在低能见度导航方面的专家：蝙蝠。它们在黑暗、潮湿且布满灰尘的洞穴中茁壮生长，能够借助回声定位探测到如人的头发般细的障碍物，而且重量轻到相当于两个回形针。它们发出声波，并倾听从物体反射回来的微弱回声。

然而，要在空中机器人上实现这种感知极其困难，因为推进器（螺旋桨）会产生大量噪声。这有点像你旁边正在起飞喷气发动机时，试图去倾听朋友的声音。

为了解决这个问题，我们提出两个关键想法。第一，受蝙蝠耳软骨启发的物理声学屏蔽会减少声学传感器周围的螺旋桨噪声；这些声学传感器就像机器人的耳朵。第二，一种名为 Saranga 的神经网络通过随时间学习模式，从极其嘈杂的测量中恢复微弱回声信号，灵感来自蝙蝠如何处理声音。

两者结合，使机器人能够在3D中估计障碍物位置，并使用毫瓦级的感知功率安全导航。

为什么这很重要

这类无人机在搜救方面非常有用，尤其是在狭小、动态且危险的环境中，因为它们体积小且成本低。搜救行动往往发生在能见度极差的环境中，比如森林火灾、倒塌的建筑物、洞穴或尘土飞扬的户外条件。在这些场景里，摄像头和激光雷达等传统传感器往往变得不可靠。

蝙蝠并不只依赖视觉，而是使用回声定位来感知世界。超声感知不依赖照明条件，并且能在烟雾、尘埃和黑暗中工作。

我们的工作表明，尽管车载推进器噪声很强，仍然有可能把这种能力带到空中机器人上。通过噪声屏蔽和机器学习增强的声呐（sonar）有望让一类新的、小型、低成本机器人得以实现，它们可以在现有系统失效的环境中运行。

这项研究可以为重要的人道主义应用提供高功能的自主微型空中机器人，例如搜救、打击偷猎以及洞穴探查。基于AI的声呐导航可能带来更安全、更快速且更具成本效益的机器人，用于人类或更大型直升机难以进入的、对时间敏感的任务。这是朝着能够部署空中机器人群的方向迈进，就像蝙蝠成群结队去探索危险环境并寻找幸存者一样。

数学建模、神经网络设计和传感器表征方面的突破，将使这些无人机具备其他低功耗应用，例如环境监测。与当前解决方案相比，我们的工作可以将能耗降低1,000倍、重量降低10倍、成本降低100倍。

正在进行的其他研究是什么

大多数空中导航系统依赖摄像头、深度传感器或激光雷达（lidar），而它们在低能见度下会退化。雷达在这些条件下可以工作，但对小型无人机来说耗电量很高。既有工作主要在地面机器人上探索超声感知，但由于推进器噪声和信号微弱，难以将其应用到空中机器人上。

接下来是什么

我们正在努力提高飞行速度、感知范围和系统规模。我们也在探索新的生物启发式设计，并将超声与其他类型的感知结合。

最终，我们的目标是构建可靠、低功耗的空中机器人，使其能够在动态环境中稳定运行，并推动在真实世界的搜救部署。

《Research Brief》是对有趣的学术工作的简短概述。

MENAFN28032026000199003603ID1110910812