这些点云表示机器人水下结构的位置，”Englot解释道。这些点云表示机器人水下结构的位置，”Englot解释道。“接下来，我们希望将技术扩展到3D我们希望机器人能够有效地利用地图，而不是从零开始探索环境，”Englot说，“如果我们能成功地将我们的框架扩展到3D在绘画场景中，我们也可以用它来探索水下洞穴或沉船网络。”
海洋包含着一个看似无边无际的领土需要探索。在世界各地绘制这些未知水域的地图是一项艰巨的任务。独立水下机器人舰队可能是帮助绘制地图的有价值的工具，但这些AZ431BR-ATRE1机器人需要能够导航这个混乱的区域，同时保持效率和准确性。
发表于6月24日《IEEE海洋工程杂志》上的一项研究中，一个研究小组开发了一个新的框架，允许独立的水下机器人高效、低误率地绘制无序区域。
机器人位置的不确定性是绘制水下环境地图的主要挑战之一。
“由于GPS不能在水下使用，大多数水下机器人没有绝对的位置参考，其导航精度也不同，”新泽西州霍博肯史蒂文斯理工学院机械工程副教授BrendanEnglot解释道，“在探索未知领域时，预测机器人的变化将允许独立的水下机器人在这些具有挑战性的环境中尽可能准确地构建地图。”
Englot团队创建的模型使用虚拟地图来抽象机器人没有看到的周围区域。他们开发了一种算法，通过考虑机器人的不确定性和感知观察来规划虚拟地图上的路线。
通过声纳成像收集进行感知观察，声纳成像有助于检测机器人前方30米范围内环境中的物体和120度视野。“我们处理图像，从每个声纳图像中获得一个点云。这些点云表示机器人水下结构的位置，”Englot解释道。
然后，研究团队在纽约KingsPoint一个港口使用BlueROV水下机器人测试了他们的方法。Englot据说这个区域足够大，可以产生明显的导航误差，但是足够简单，可以进行大量的实验，没有太大的困难。团队将他们的模型与其他几个现有模型进行了比较，并在机器人在港口航行的至少30分钟测试中测试了每个模型。不同的模型也通过模拟进行评估。
Englot说：“研究结果表明，每一相互竞争的（模型）都有其独特的优势，但我们的模型在快速探索未知环境和绘制准确的环境地图之间提供了一个非常有吸引力的妥协。”
他指出，他的团队已经申请了一项专利，考虑到他们的模型用于海底石油和天然气生产。然而，他们认为，该模型也将适用于更广泛的应用，如检查海上风力涡轮机、海上水产养殖基础设施（包括渔业）和民用基础设施，如码头和桥梁。
“接下来，我们希望将技术扩展到3D我们希望机器人能够有效地利用地图，而不是从零开始探索环境，”Englot说，“如果我们能成功地将我们的框架扩展到3D在绘画场景中，我们也可以用它来探索水下洞穴或沉船网络。”