应急机器人部署的五大教训

Robin Murphy是灾难机器人的创造者。

911事件之后，她部署了小型机器人以研究废墟探索。

在卡特里娜飓风之后，她让小型无人机（UAVs）去探索墨西哥湾沿岸的建筑，这是无人机首次用于紧急结构检查。

在福岛，她是用UAVs探查辐射水平和检查反应堆损坏情况的团队成员之一。

在近期的埃博拉病毒大流行期间，她探索机器人是否可以帮助保护西非和美国野战医院的卫生工作者免受病毒感染。

作为德克萨斯A&M大学（Texas A&M University）机器人辅助搜救中心主任，Murphy在应对上述这些灾难以及其他20多个灾难中发挥了积极作用，但她首先是一名研究员。

采用她在这些热点区域的经验作为起点，她重返位于德克萨斯A&M大学的美国最先进的灾难重建现场——灾难之城（Disaster City），探索什么是可行的以及如何最有效地利用机器人来加速救援和恢复工作。

基于开创性的灾难研究，她估计，未来有一天，通过使用自主机器人和无人机加速灾难响应，可以缩短恢复时间到1000天或三年。

从她的经验和对灾难机器人的研究中，她获得了下列五个教训：

1、需要3位专家操作一架无人机

在卡特里娜飓风之前，没有人确定在灾难中需要多少人去操作一架无人机系统。

她表示，“美国军方认为，只需要一个来操作一架无人机，实际上却需要三个人才能更有效地做好它。当我们开始做工作量分析时，我们意识到一个人是做不到的。”

她发现，安全地操作一架无人机靠近被破坏的建筑物，并进行拍照，对于一个人来说，这是一个不可能完成的任务。

她的见解并没有得到认同，因为这使得操作更复杂而昂贵，但她接下来的研究证明她是正确的。

她说，“一个人操作无人机飞行，一个人查看，一个人作为安全员，这样的模式已经成为目前世界各地的标准做法。”

操作准确是至关重要的，获得的有用信息可以挽救生命、加速重建工作。

2、是数据而不是无人机

当UAVs首次在卡特里娜飓风使用后，他们仍然是一个相对较新的技术。当时，Murphy和其他科学家担心机器的功率和稳定性的问题。

她表示，“在卡特里娜飓风之前，最大的问题是保持平台在空中足够长的时间。现在的问题已经从航空科学转向数据科学。”

现在的互联世界意味着专家可以随时随地查看无人机收集的图像以及来自互联网的其它资源，尽快地将数据用于帮助重建。这种合作的努力可以搜集数周甚至数月的建筑检查过程或确定关注的领域。

但什么样的远程收集信息是有用的？数据如何送达才是对专家来说是有用的？这些仍然是墨菲研究的基本问题。

她说，“卡特里娜飓风事件让我明白，最难的问题是让正确的数据在正确的时间到达正确的人那里。那是真的，也是正确的。”

我们需要更好的方式来收集、传输、整理和可视化信息。正如她在最近的TED演讲中所说：“不是机器人，而是数据。”

3、了解专家什么时候需要看什么

在卡特里娜飓风之后的几个月里，Murphy部署无人机传输墨西哥湾多层破损建筑的图像给FEMA的图像专家。

该工作缩短了建筑检查的时间，但结构工程师发现使用无人机图像比他们预期的更难，告诉Murphy，无人机侦察的问题比许多人想的更复杂。

Murphy说，“当你看到地面的东西时，事情突然发生了，使用无人机的照片，则不会发生。”

最近，Murphy尝试让专家实时查看无人机盘旋或聚焦时的实况视频。她发现专家与操作者之间的这个“视觉共同点”有明显的帮助。

她说，“意识到人与机器人之间的合作是唯一的可能，当我们从无人机和地面机器人获得相同的试点，那是一个很大的突破。”

4、救援机器人的未来是水下机器人

机器蛇可以彻底搜查废墟，基础设施检查机器人蜂鸟将在今后的应急响应中扮演重要的角色。

Murphy认为，自主船舶提出了机器人学家迄今为止错失的一个机会。她说，他们代表了灾难机器人领域下一件大事。

她表示，“人类百分之八十的生活与水相关，所有的桥梁、堤坝、关键的基础设施都在水下，我们只能依赖潜水员去给它们做检查，而实际上也很少去做。”

基于这些原因，她及她的团队已经尝试了海洋机器人，成为SARbots，一个方形机器人，拥有海豚的感应能力。他们进入水底，使用声纳，可以远程控制快速地完成水下风险考察。

2011年日本东北海域的地震及海啸之后，Murphy曾与日本海上保安厅使用水下机器人进行检查和清除港口，寻找受害者。

Murphy认为，“四百里海岸完全被摧毁，两倍于美国卡特里娜飓风摧毁的海岸线，你谈论的桥梁、管道和港口，都摧毁了。如果没有港口，你就没有办法得到足够的救灾物资来满足人口的需求。”

未来，自主海洋机器人将被证明跟目前通常在灾难中使用的其他机器人一样有价值。

5、更智能的算法应该驯服泛滥的数据

在德克萨斯2015洪水过后的日子里，Murphy成了部署无人机检查损坏的团队中的一员。

她发现，无人机飞行20分钟会产生800多张照片，每张照片要花至少一分钟去检查。

当考虑到用几十架无人机用于挽救生命时，这样的系统是不可扩展的。

她说，“花大量的时间仅仅是检查数据，因此，我们需要在数据科学和信息学方面作出改进。”

在洪灾发生时，Murphy正巧为本科生运行一个研究计划。她要求学生开发可以提高无人机操作流程的应用，解释他们的画面，甚至区分那些需要人类观察才能区分的区域。

学生们迎难而上，想出了用计算机视觉和机器学习改进恢复过程的应用程序。

“他们采用了正在发生的数据，创建程序区寻找表明附近有人的任何迹象的碎片，”Murphy解释道。

该计划的其他学生创造了改进的飞行路径可视化，以帮助救援人员了解无人机已经飞行，以避免重复。

学生们在她的课程及恢复创新比赛中都获得了高分。

除了学生的项目，马里兰大学的研究人员使用“深度学习”算法和异常检测技术设计一个系统，允许无人机在成堆的碎片中找到隐藏的人。该算法有着显著的进步，被认为是最先进的。

她说，“救援人员说，‘任何能帮助我们的事情都比没有好，’如果计算机可以处理70%的图像，他们的工作就少70%。”

这是个远未解决的问题，但它表明机器学习和计算机视觉在未来的搜救任务中会有多大的价值。

到目前为止，机器人还没有成功挽救任何生命，但他们在未来肯定会。

Murphy表示，“当你下一次知道有灾难发生时，请找机器人。他们可能是地面的，可能是水下的，也可能在空中，但它们应该在那里。寻找机器人是因为机器人正在走向搜救。”

查看更多，请阅读原文