雷鋒網(wǎng) AI 科技評論按：2018 年 6 月 29 日至 7 月 1 日全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網(wǎng)、香港中文大學（深圳）承辦，得到了寶安區(qū)政府的大力指導，是國內(nèi)人工智能和機器人學術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流盛會，旨在打造國內(nèi)人工智能領(lǐng)域最具實力的跨界交流合作平臺。

CCF-GAIR 2018 延續(xù)前兩屆的「頂尖」陣容，提供 1 個主會場和 11 個專場（仿生機器人專場，機器人行業(yè)應用專場，計算機視覺專場，智能安全專場，金融科技專場，智能駕駛專場，NLP 專場，AI+專場，AI 芯片專場，IoT 專場，投資人專場）的豐富平臺，意欲給三界參會者從產(chǎn)學研多個維度，呈現(xiàn)出更富前瞻性與落地性相結(jié)合的會議內(nèi)容與現(xiàn)場體驗。

北京大學工學院謝廣明教授于仿生機器人專場做了第二場報告，題為「智能仿生機器魚」。謝廣明教授對自己目前的研究進行了簡單介紹。報告結(jié)束后，雷鋒網(wǎng)就相關(guān)問題對謝廣明教授進行采訪。以下為采訪內(nèi)容，雷鋒網(wǎng)做了不改變原意的調(diào)整和編輯。

雷鋒網(wǎng)：請問仿生魚項目里的哪些方法需要用到機器學習？和傳統(tǒng)方法有什么區(qū)別？

謝廣明：目前主要用在兩個部分，在控制方面，想要達到理想的控制效果并不容易，我們現(xiàn)在的方法是基于 CFD，也就是計算流體力學加強化學習，而不再采用傳統(tǒng)的建模加控制去做了，因為其實踐效果實在不好?，F(xiàn)在我們首先是建立力學模型，然后在仿生環(huán)境下讓魚去學習運動。比如說設(shè)計一個貝塞爾曲線，然后讓魚按照這個曲線去游，通過強化學習讓魚學會這種游動軌跡。

另外一方面是深度學習的應用。未來我們的仿生魚上傳感器會越來越多，攝像頭、側(cè)線系統(tǒng)等會收集很多數(shù)據(jù)，我們希望使用深度學習從這些數(shù)據(jù)中獲取有價值的信息，比如環(huán)境信息。

至于與傳統(tǒng)方法的區(qū)別，我只能說這些技術(shù)都是工具，沒有哪個工具可以解決所有問題，我們會嘗試不同的方法，能解決當前問題就行，并未深入研究相關(guān)機器學習算法。

雷鋒網(wǎng)：仿生目標選擇的標準是怎么樣？現(xiàn)在這個項目有什么具體的應用的場景嗎？

謝廣明：我們選擇仿生對象，之前可能偏純學術(shù)，現(xiàn)在是注重解決實際問題，堅持問題導向，應用導向。至于落地有面向企業(yè)的，民用的像河道監(jiān)測，排查水下環(huán)境。在一些比較熱門的地點，比如說北戴河，很需要水下環(huán)境的安全，但使讓人去排查工作量太大，只能用機器魚去探測。另外就是檢測水質(zhì)等等。還有就是面向個人的，放機器魚去水底拍照錄像等，娛樂也是應用的一部分。

雷鋒網(wǎng)：研究仿生機器人需要不需要生物學相關(guān)的知識？

謝廣明：首先我認為仿生機器人的研究就是「拿來主義」：新材料，新的能源供給方式，新的傳感器，新的電機驅(qū)動，都集成到自己的機器上來提升機器的性能。

其次既然研究仿生機器人，必然會涉及生物學，但是并不一定要自己深入研究，可以查查文獻，找一找相關(guān)的資料，比如說魚到底怎么感知環(huán)境的，你查一下就能獲取相關(guān)知識了。當然有合適的合作者更好，沒有合適的合作者就自己查資料，但沒必要深入研究，反正是為了解決實際問題，把那些研究「拿」過來用，解決了問題就可以了。

雷鋒網(wǎng)：水下探測器會有深度指標，仿生魚有這方面的要求嗎？

謝廣明：下潛深度是一個工程問題，工程問題的解決方案很多是很成熟的，其實就是加工精度的問題。之所以防水性能不好可能是加工精度低，也可能是拆卸有損傷才導致漏水等。這方面是工程技術(shù)問題，有成熟的解決方案。

雷鋒網(wǎng)：仿生魚的群體智能有哪些作用？有哪些難點？

謝廣明：比如就海洋目標搜索來說，單個機器魚的感知能力，運動能力都是很有限的，能量也有限，這就導致了單個機器魚搜索范圍很小。如果能讓機器魚擁有群體智能，那搜索目標就更加容易了。在群體中機器魚都是自主控制的，這種群體智能也叫分布式的智能，機器魚地位平等，通過局部相互影響保持群體性。在未知的搜索環(huán)境中，機器魚可以通過這種群體性（共享信息提高信息獲取能力）提高自主能力。

難點有很多，比如水下通信。單個機器魚只能獲取部分狀況，對于最新目標也不太清楚，如何讓信息在群體中快速傳播就是個問題。當然在通信的同時還要保證通信負載不能過大，要在通信受限的情況下保證群體的聯(lián)通等，目前的問題還很多。

雷鋒網(wǎng)：您接下來的研究方向？

謝廣明：我們接下來的研究方向是結(jié)合智能材料，因為我們發(fā)現(xiàn)光靠目前的手段去實現(xiàn)仿生機器魚已經(jīng)到極限了，但是效果相較于真魚還差得很遠，我們現(xiàn)在正在研究使用軟體材料或者高分子材料，也希望能找到合作的研究者。

還有就是我們也借鑒了一些生物學家對于群體智能的研究成果，他們的研究更加深刻。他們觀察到魚群有一些簡單的規(guī)則，我們想把這些規(guī)則移植到機器魚上，我們希望仿生機器魚擁有「靈魂」。

比如說魚群的混亂有序，單條魚「自私」的自我保護卻不妨礙群體有序，這是個很有意思的現(xiàn)象，我們可以把這種規(guī)則移植到仿生魚上，看仿生魚還能不能正常協(xié)作，我們目前在嘗試這種深層次的仿生。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。