Man On The Moon

攀爬机器人的创造者是弗兰克-基希纳（Frank Kirchner）教授，他是 DFKI 机器人创新中心的负责人。 图片来源：Porsche AG & Cosima Hanebeck; DFKI

Man On The Moon

在不来梅，弗兰克-基希纳教授领导的团队正在研究用于太空和水下任务的机器人。在远离地球的地方，它们必须找到自己的方向并独立做出决定--类似于道路交通中的自动驾驶汽车。

月球在不来梅设有分公司。人工火山口的斜坡宽 9 米，从山脚到山顶需要攀爬 5.5 米的高度。想爬上去的人必须克服 25 至 40 度的坡度。不过，人们在这里一般都是观众，因为这个月球景观是为钢铁宇航员设计的训练场：在德国人工智能研究中心（DFKI）的太空探索大厅里，机器人在地球卫星上练习独立探索任务。地形的选择绝非偶然：陨石坑及其周围环境是卫星和行星上最有趣的地方之一，因为它们的斜坡包含不同时代的沉积层以及太阳系物质的痕迹。陨石坑壁还提供了有关卫星和行星起源的信息。

攀爬机器人的创造者是弗兰克-基希纳（Frank Kirchner）教授，他是不来梅市郊 DFKI 机器人创新中心的负责人，与他的团队一起研究机械宇航员。他的作品通常都受到生物界的启发，比如四脚行走机器人查理（Charlie），它看起来像一只猴子，或者螳螂（Mantis），一个拥有六肢的装置，看起来就像它在动物界的名字一样。目前，灰橙色的 "土狼三号 "漫游车正在人工月面上航行，它的轮子呈星形，轮廓扁平。

智能自主机器人在太空探索中不可或缺，因为它们不需要食物和氧气。一旦任务完成，它们也不需要返回地球。不过，在某种程度上，它们必须能够在陌生的卫星和行星上保持自我。不莱梅的人工陨石坑提供了一个机会，让我们看看它们在这方面做得如何。这个陨石坑是由一家通常建造室内攀岩墙的公司建造的。"阿波罗宇航员拍摄的月球南极陨石坑照片是其模板，"世界上最重要的自主太空和水下机器人专家之一基希纳解释说。

木星卫星自主潜水艇

外太空和水下世界的共同点比人们乍一看到的要多得多。太阳系中最有趣的地方之一就是木星的卫星木卫二，人们推测在木卫二的冰层下有一个巨大的液态水海洋--换句话说，这里可能孕育着生命。

"弗兰克-基希纳教授说："对我来说，自动驾驶汽车就是我可以驾驶的机器人。

因此，不莱梅的机器人专家们还建造了一个八米深的水箱，用于测试欧罗巴探测器等：这个名为 "Teredo "的管状钻头的设计目的是穿透月球表面 3 到 15 公里厚的冰层，然后发射水下航行器 "Leng"，探索下面的海洋。由于来自地球的控制信号需要 33 到 53 分钟才能到达，鱼雷形潜水器必须能够自主运行。

因此，不莱梅 "航天城 "的研究小组在传感器技术、致动器技术和人工智能等课题上的深入研究也就不足为奇了。但是，他们所取得的成果不仅有利于航空航天应用--基希纳还非常重视将这些成果应用到其他领域，例如应用于必须在危险环境中独立行动的机器人。他还从自己的独特视角热切关注自动驾驶的发展。"对我来说，自动驾驶汽车就是我可以驾驶的机器人。

Sherpa 是一款配备主动悬挂系统的漫游车，能够适应不同的地形和障碍情况。图片来源：Porsche AG & Cosima Hanebeck; DFKI

事实上，它们有许多共同之处。自动驾驶汽车和遥远星球上的机器人都必须感知和分析周围环境，并利用这些信息做出智能决策。当然，月球和火星上没有道路交通，没有红绿灯和交通标志，也没有突然冒出来的汽车和行人。不过，即使是基什内尔的机器人也必须应对各种动态环境，例如火星上的沙尘暴和龙卷风，或者月球上瞬息万变的光照条件。

无地图定向

然而，与自动驾驶汽车相比，它们的任务没有地形图。"基什内尔解释说："卫星图像的分辨率只有一米，还是太低了。"因此，机器人必须自己绘制环境地图，并在其中确定自己的位置。为了应对这一现实，研究人员开发了 SLAM 算法（自定位和绘图），这是一种基于概率的方法，用于在未知地形中定位。"基什内尔回忆说："一切都始于在污水运河中的导航。"那是一个非常简单的环境，使我们能够在那里非常有效地测试新方法"。从 20 世纪 90 年代中期开始，SLAM 算法还被用于开阔地形和建筑物中。大约 15 年前，出现了自动驾驶车辆自定位的首批应用。

自动驾驶汽车在使用过程中应不断学习

SLAM 算法的基础是动态情况下的物体识别，这也是机器人专家早期关注的重点。所面临的挑战是：即使摄像机在移动，环境条件因天气和光线条件的变化而改变--这些因素在火星和地球上一样适用--该技术也必须可靠地运行。"在机器人技术中，物体识别技术在成熟度和稳健性方面已经取得了很大进步，"基什内尔说。"基础数学与今天的汽车相同"。但这种转移绝不是单向的。近年来，智能手机的蓬勃发展使廉价摄像机变得司空见惯，机器人开发人员从中受益匪浅。随着微处理器性能的持续指数级提升--这一现象被称为摩尔定律，并在汽车行业的大力推动下--他们的创造物正变得越来越智能。

AILA 机器人系统有 32 个自由度，包括每个手臂的 7 个关节。它是移动操纵领域的研究平台。图片来源：Porsche AG & Cosima Hanebeck; DFKI

根据他自己的研究，他知道在没有人为干预的情况下驾驶汽车通过道路交通是多么复杂。基什内尔本人曾乘坐过两辆测试车，并留下了 "非常深刻的印象"。作为一名高度参与研发的观察者，他自然对这个问题有自己的一些想法。"他建议："自动驾驶汽车应该在使用阶段进行学习。"人们购买一辆具有基本经验的汽车，它将与道路上的其他车辆一起不断发展自己。"这将是一次集体学习的经历--就像现在在工业制造流程中逐渐站稳脚跟的协作机器人一样：它们必须与各种不同的人相处，因此要通过云等方式相互分享各自的经验。

"基什内尔说："今天，在自动驾驶方面，我们过于关注单个算法，但我们对这些算法的了解由来已久，在某些情况下早在上世纪 50 年代就已经开始了。"更重要的是知识的组织。关键在于将知识的各个组成部分相互联系起来，例如通过集体学习。汽车必须是一个终身学习的系统。要做到这一点，它还应该不时地做梦：基什内尔的团队正在参与欧盟的 "Dreams4Cars "项目，该项目旨在提高自动驾驶汽车的安全性。控制软件就像头脑中的画面或梦境一样，在模拟环境中不断重现真实的交通状况，测试其他反应，从而为应对特殊情况做好准备。让我们拭目以待，看看不莱梅的机器人专家们最终会将哪些想法从月球带到地球。

文字克里斯蒂安-巴克
照片科西玛-哈内贝克；DFKI