从海洋中清除垃圾是一个昂贵且耗时的过程。作为欧洲合作项目的一部分，德国慕尼黑工业大学 (TUM) 的一个团队正在开发一种机器人系统，该系统使用机器学习方法来定位和收集水下废物。

SeaClear 项目的机器人能够检测和收集水下垃圾。图片来源：SeaClear 项目

全球海洋目前含有 26 至 6600 万吨塑料垃圾，其中大部分位于海底。这对海洋动植物以及海洋生态平衡构成了巨大威胁。

但从水中清除废物是一个复杂而昂贵的过程。这通常也很危险，因为这项工作通常由水肺潜水员完成。清理操作通常也仅限于水面。在SeaClear 项目中，TUM 的一个团队正在与八个欧洲合作机构合作，开发一种能够收集水下垃圾的机器人系统。

四个机器人一起工作

该系统结合了四个机器人组件：自动水面车辆对海底进行初始扫描并定位大型垃圾袋。接下来，一个观察机器人被放入水中以检测海底垃圾并将附加信息传输到计算机，例如海底的特写图像。

在清澈的水中和良好的能见度，空中无人机也被用来识别更多的垃圾物体。结果数据被组合以生成虚拟地图。然后，收集机器人会访问地图上定义的点并拾取垃圾。它使用抓手将较大的碎片放入篮子中，该篮子由自动船拖到岸边。

由四个机器人组成的系统可确保清洁海底。图片来源：SeaClear 项目

潮流的挑战

TUM 信息导向控制主席 SeaClear 项目的技术总监 Stefan Sosnowski 博士说：“开发用于水下应用的自主机器人是一项独特的挑战。这是因为，与基于陆地的应用相比，水中存在非常特殊的条件。当一块垃圾被识别和定位时，机器人需要靠近它。为此，它可能需要克服强电流。TUM 在 SeaClear 项目中的任务是使机器人能够朝着正确的方向移动。”

高效的机器学习

为此，该团队正在使用机器学习方法。人工智能 (AI) 模块执行计算并了解机器人将以某些方式移动的条件。这使得精确预测其行为成为可能。

主席兼 SeaClear 首席研究员 Sandra Hirche 教授说：“另一个挑战是，我们没有像在陆地上那样拥有可支配的计算能力。我们没有链接到带有超级计算机的大型数据中心。因此，我们需要在有限资源下运行的高效算法。因此，我们正在使用高效的抽样方法，以最少的数据得出精确的预测。人工智能系统只是丢弃了不必要的信息。”

90% 成功率

SeaClear 系统全面投入使用后，预计可实现 80% 的水下垃圾分类准确率并成功收集 90% 的垃圾。这与水肺潜水员产生的结果相当。原型的初步试验于 2021 年 10 月在克罗地亚杜布罗夫尼克进行，那里的水清澈，能见度极佳。进一步的试验计划于 2022 年 5 月在汉堡港进行。

SeaClear 项目的研究小组在监视器上观察机器人的水下活动。图片来源：SeaClear 项目