为了让小型空中机器人在黑暗或低能见度环境中也能安全飞行，我和同事们研发了一套受蝙蝠回声定位启发的超声波感知系统。
目前，多数机器人依赖摄像头和激光雷达（lidar）进行导航，或两者结合使用。但在烟雾、雾气、尘埃、降雪以及完全无光的环境中，这些视觉类传感器往往会失效。
我是一名从事仿生微型机器人研究的科学工程师。为解决这一难题，我们向自然界的“专家”学习——蝙蝠。蝙蝠能在黑暗、潮湿、布满尘埃的洞穴中灵活飞行，利用回声定位感知环境，甚至可以探测到细如人类头发的障碍物，而它们的体重仅相当于两枚回形针。它们通过发出声波，并聆听从周围物体反射回来的微弱回声来完成这一过程。
将这种能力移植到空中机器人上并不容易，其中最大的挑战来自螺旋桨噪音。就好像你站在喷气发动机起飞旁边，还要努力听清朋友在说什么一样。
为此，我们提出了两个关键方案：
- 物理声学屏障：借鉴蝙蝠耳朵软骨的结构，我们设计了一种声学屏蔽装置，安装在声学传感器（相当于机器人的“耳朵”）周围，用来削弱螺旋桨产生的噪音。
- Saranga 神经网络：我们构建了一个名为 Saranga 的神经网络，通过学习时间序列中的模式，从极其嘈杂的测量数据中恢复出微弱的回声信号，其思路同样受到蝙蝠听觉处理机制的启发。
这两项技术结合，使得机器人能够在三维空间中估计障碍物的位置，并以毫瓦级的感知功率实现安全导航。
重要性
这类微型无人机在搜救任务中具有巨大潜力，尤其适用于狭窄、环境变化快且存在危险的场景。它们体积小、成本低，能够进入人类或大型设备难以到达的区域。现实中的搜救行动常发生在能见度极差的环境中，例如森林火灾、建筑坍塌现场、洞穴内部或多尘的户外区域，在这些地方，传统的摄像头和激光雷达往往不够可靠。
蝙蝠并不单纯依赖视觉，而是通过回声定位来感知世界。超声波感知不依赖光线，因此可以在烟雾、尘埃和黑暗中正常工作。
我们的研究表明，即便机载螺旋桨产生强烈噪音，空中机器人仍有可能获得类似蝙蝠的感知能力。通过物理降噪与机器学习增强的声纳系统，有望催生一类全新的小型、低成本无人机平台，能够在现有视觉系统失效的环境中执行任务。
这项技术有望推动高度自主、功能完善的微型空中机器人应用于关键人道主义任务，例如搜救行动、打击偷猎活动以及洞穴探测等。依托人工智能驱动的声纳导航，这些机器人有可能在紧急任务中提供更安全、更快速且更具成本效益的解决方案，尤其是在人员或大型直升机难以进入的区域。这也为未来部署类似“蝙蝠群”的空中机器人集群，探索危险环境、搜索幸存者迈出了重要一步。
在数学建模、神经网络架构和传感器特性等方面的进展，还将推动这些无人机在其他低功耗场景中的应用，例如环境监测。与现有方案相比，我们的系统有望将功耗降低约 1000 倍，重量减轻约 10 倍，成本下降约 100 倍。
其他相关研究
目前大多数空中导航系统依赖摄像头、深度传感器或激光雷达，但在低能见度环境下，这些传感器的性能会明显下降。雷达虽然能在此类条件下工作，但对小型无人机而言功耗偏高，不利于长时间飞行。
此前，超声波感知技术更多被应用在地面机器人上。由于空中平台的螺旋桨噪音强烈且回声信号本身十分微弱，将超声波感知迁移到飞行机器人上一直存在较大技术障碍。
未来方向
接下来，我们将继续提升系统的飞行速度、感知距离以及整体体积集成度。同时，我们也在探索更多仿生设计思路，并尝试将超声波与其他类型传感器进行融合。
我们的最终目标，是打造一种可靠、低功耗的空中机器人系统，能够在动态、复杂的环境中稳定运行，并真正投入到搜救等实际应用中。
本文内容基于 The Conversation 的文章整理与改写，原文采用知识共享许可协议发布。
