由伍斯特理工学院（WPI）研究员 Nitin J. Sanket 领衔的团队，展示了一套结合超声波传感器与人工智能（AI）的新系统，使掌上大小的空中机器人在功率与计算资源受限的情况下，仍能在雾霾、烟雾等复杂环境中完成搜救导航任务。

这项受蝙蝠回声定位启发的研究发表在《Science Robotics》期刊上。成果表明，超声波有望成为现有导航技术的替代或补充方案。相比之下，许多传统导航系统不仅增加无人机的重量和成本，还在恶劣环境中表现不稳定。

Sanket 指出，体重不到两个回形针的蝙蝠，能够通过发出短促的啾啾声，并用极少量的神经元处理微弱回声，在黑暗、潮湿、布满尘土的洞穴中精准飞行。这种高效的自然机制为小型机器人导航提供了重要灵感。

他表示，通过构建一个仅依赖两个微型传感器和少量计算资源的超声波系统，小型空中机器人就有机会在复杂、危险且杂乱的环境中，更长时间地自主感知周围、做出决策并独立运行，而这些场景目前对多数空中机器人仍然极具挑战。

Sanket 的研究长期聚焦于仿生机器人技术，包括从蜜蜂和蝙蝠等生物中汲取灵感。一般来说，自主空中机器人需要依赖多种传感器、控制器、摄像头、电源以及复杂算法来感知环境并进行导航决策。

部分机器人会通过分析无线电波或光脉冲来获取周围地形信息。但基于激光雷达（lidar）和雷达的系统通常体积较大、功耗较高且价格昂贵。

此外，黑暗、恶劣天气和环境噪声会显著干扰基于光学的感知系统。无人机螺旋桨自身产生的噪声，也会增加从背景噪声中分离有用回声信号的计算难度，导致数据处理耗时、耗能。

为解决这些问题，研究团队为一款约 6 英寸宽的 X 形四旋翼无人机定制了超声波传感器，并设计了一个称为“声学屏障”的物理隔离结构，用于削弱螺旋桨噪声的干扰。同时，他们采用深度学习技术训练机载计算机，使其能够识别和分析微弱的超声回声模式，类似蝙蝠大脑处理声音并解读回声的方式。

这台约 1 磅重的机器人在多种环境中接受测试，包括户外林地，以及室内布置有透明塑料杆或金属杆等障碍物的实验室场景。

部分室内实验在全黑环境下进行，障碍物被涂成黑色；另一些实验则在研究人员向障碍赛道中注入雾气或雪花的条件下完成。无人机在完全自主导航时，每次飞行的电池续航时间约为五分钟。

研究团队报告称，在总计 180 次测试中，无人机在穿越复杂赛道时的成功率介于 72% 至 100% 之间。对于较细小的障碍物（如金属杆），避障成功率相对较低；在面对反射信号较弱的细树枝时，性能也有所下降。

Sanket 表示，下一步工作可能是采用更小、更轻的硬件设备，利用团队开发的低功耗超声波系统进一步延长飞行时间。未来研究还计划提升飞行速度。

“在真实的搜救任务中，多飞行几秒钟，可能就是幸存者生与死的差别。”Sanket 说。