近日，机器人研究人员开发了一种新算法，能帮助水下自主航行器（AUV）提高能源利用率，提升整体航行效率，这意味着AUV可以拥有更长时间收集数据。

新算法为AUV规划的路径

水下机器人是当前海洋科考中比较受欢迎的一种工具。历史上，大部分海洋学的数据和抽样都来自科考船，这些船只的租赁费用极其昂贵，航行时间、作业目标都不可轻易更改，这大大限制了海洋科学家们的手脚。水下机器人的出现打破了这个僵局，无论是ROV还是AUV，科学家们可以利用这些自主机器人进行长达数月的科考调查，并且能通过智能规划随时扩展机器人的作业任务，整个过程更灵活，也更高效。

虽然水下机器人做了许多优化，但是和传统科考船一样，它也有一个航行时间的上限，而且作为一个无人驾驶设备，它对能源的要求比一般船只更严苛。让水下机器人发电实现完全自给自足，这目前还是个技术难题，科学家们所能改进的，是提高机器人电池的续航能力和降低能源消耗，简而言之，就是提高能源利用率。

来自俄勒冈州立大学奥斯陆工程学院的学者琼斯（Jones）和助理教授杰夫·霍林格（Geoff Hollinger）最近为水下机器人搭建了一个新框架，他们首次在机器人系统中引入环境变量，如季风、洋流，帮助机器人规划更节能的路径。该框架包含一种替代路径算法和一套切换时的环境因素指标。

琼斯和杰夫利用手头的数据集模拟了洋流和刮风湖泊两种环境，与对照组相比，新算法支持下的水下机器人耗能更低，航行距离更远，机器人自主规划的5条可行路径中，有3条比对照组的规划更高效。同时，在没有足够航行数据时，即缺少人为规划指令，无法定义从当前位置到达目标位置的具体方法时，新算法也展示出了一种“随机应变”的能力。

琼斯指出，以往研究人员在设计水下机器人时，都把环境干扰视为最棘手的因素，因为面对强大的自然环境，人类的水下机器人还很弱小。自然和机器人的力量对比是一方面，最大的难题来自于环境复杂多变：有时环境干扰很强，机器人难以克服；有时环境干扰又远低于人们的预期，机器人虽然克服了干扰，但是“用力过猛”，偏离了原定路线，置身未知区域。

在这个过程中，操作者和机器人“失联”是最危险的。

琼斯和杰夫的工作就是弥合这一差距——如何让机器人规划更高效的路径，如何让机器人更好地遵循规划路径？他们决定在环境适应性方面有所为，有所不为，最大程度借用环境力量，将其转化为水下机器人的动力补充。

由于机器人能感知环境，未来，他们的研究方向是结合“能源节约规划”和“信息路径规划”，让机器人在执行任务的同时收集不同水域的环境变化数据。