近期，美国麻省理工学院官方网站MIT news报道了工学院院友王伟最新的科研成果——无人驾驶水面舰艇。（新闻链接：http://news.mit.edu/2018/fleet-autonomous-boats-service-cities-reducing-road-traffic-0523）。这项工作得到了AMS的资助。相关论文发表在2018年机器人领域国际顶级会议ICRA上。王伟是论文的第一作者。

　　新闻内容如下：

　　高机动性无人船，旨在减轻水路众多的城市交通负担

　　在阿姆斯特丹、曼谷和威尼斯等富含水路的城市，未来的交通运输手段可能会是自动驾驶船，它可以用于运送货物和人员，帮助清理道路拥堵。

　　麻省理工学院计算机科学和人工智能实验室（CSAIL）以及城市研究与规划部门（DUSP）的实验室研究人员通过设计一系列具有高机动性和精确控制的自动驾驶船，朝着预想中的未来迈出了一步。使用低成本打印机可以快速3D打印船，使批量生产可行。

　　这些船只可以用来在周围运送货物和人，缓解街道交通拥堵。在未来，研究人员还设想自动驾驶船也能在夜间执行城市服务，而不是在繁忙的白天进行，进一步缓解道路和运河的拥堵状况。

　　“想象一下，通常在白天进行的一些基础设施服务，如货运、垃圾管理、废物管理，改为半夜在水上使用一队自动化的船舶完成。”作为论文的共同作者，CSAIL主任、安德鲁和维纳比电气工程和计算机科学教授Daniela Rus在本周举行的IEEE机器人与自动化国际会议上如此描述该技术。

　　此外，船只配备传感器、微控制器、GPS模块和其他硬件，可以对长4米、宽2米的矩形船体进行编程，使它自组装成浮桥、音乐会舞台、食品市场平台等结构并保持几个小时。“通常在陆地上发生的一些会对城市的交通造成干扰的活动，可以暂时在水上进行。”Rus说。

　　船上还可以配备环境传感器，以监测城市的水域并观测城市和人类的健康状况。

　　更好的设计和控制

　　这一技术是“Roboat”项目的一部分，该项目是MIT Senseable City Lab和阿姆斯特丹高级城市解决方案研究所（AMS）的合作项目。在2016年，作为该项目的一部分，研究人员测试了一艘在城市运河上巡航的原型船，沿着预先设计的路径向前、向后和侧向前进。 为了制造这艘船，研究人员用商用打印机3D打印了一个矩形船体，生产了16个拼接在一起的独立部分。打印花了大约60个小时。然后通过粘合几层玻璃纤维将完成的船体密封，把电源、Wi-Fi天线、GPS以及小型计算机和微控制器集成到船体上。为了精确定位，研究人员还加入了室内超声波信标系统和户外实时动态GPS模块（允许厘米级定位）以及监测船的偏航和角速度的惯性测量单元（IMU）模块其他指标。 该船形状为矩形而不是传统的皮划艇或双体船形状，这样在组装其他结构时允许船只横向移动并将其自身附接到其他船只。另一种简单而有效的设计元素是推进器放置。四个推进器位于每侧的中心，而不是四个角落，产生前后力。研究人员说，这使得这艘船更加灵活和高效。 该团队还开发了一种方法，使船能够更快、更准确地跟踪其位置和方向。为此，他们开发了非线性模型预测控制（NMPC）算法的高效版本，这一算法通常用于在各种约束条件下控制和导航机器人。

　　NMPC和类似的算法已被用于控制自主艇。但通常这些算法仅在模拟中进行测试，或者不考虑船的动态。研究人员在算法中加入了简化的非线性数学模型，这些模型考虑了一些已知参数，例如船的阻力、离心力和科里奥利力以及水中加速或减速引起的质量增加。研究人员还使用了一种识别算法，该算法可以识别船只在路径上受到训练时的任何未知参数。

　　最后，研究人员使用了一个高效的预测控制平台来运行他们的算法，该算法可以快速确定即将发生的动作，算法的速度比类似的系统提高两个数量级。虽然其他算法在大约100毫秒内执行，但研究人员的算法只需要不到1毫秒。

　　测试水域

　　为了演示控制算法的功效，研究人员先后在游泳池和查尔斯河中沿预先规划的路径部署了一个较小的小船原型。在10次测试过程中，研究人员观察到在定位和定向上的平均跟踪误差小于传统控制算法的跟踪误差。

　　精确度的提高归功于船上的GPS和IMU模块，它们分别确定位置和方向，精确至厘米。NMPC算法对这些模块的数据进行处理，并衡量各种指标以指导船舶的工作。该算法在控制器计算机中实施并单独调节每个推力器，每0.2秒更新一次。

　　“控制员会考虑船的动态、船的当前状态、推力约束以及未来几秒的参考位置，以优化船只在道路上行驶的方式，”王伟说，“然后，我们可以找到推进器的最佳力量，可以将船推回到道路上并最大限度地减少错误。”

　　研究人员表示，设计和制造方面的创新以及更快和更精确的控制算法，都指向了用于运输，对接和自组装成平台的可行的自动驾驶船。

　　这项工作的下一步是开发适应性控制器，以解决运输人员和货物时船的质量和阻力的变化。研究人员还在对控制器进行改进，以应对波浪扰动和更强的水流。

　　“我们实际上发现查尔斯河的水流比阿姆斯特丹运河更复杂，”王伟说，“但在阿姆斯特丹会有很多船只四处移动，大型船会带来较大的涌流，所以仍然需要考虑这一点。”

　　注：王伟为工学院谢广明教授的2010级硕博连读生，博士论文工作主要研究自主智能仿生机器鱼，2016年博士毕业后到麻省理工学院做博士后。

北京大学工学院报道：http://www.coe.pku.edu.cn/news-express/5434