海洋占地球表面积约70.8%，是一个富饶的资源宝库。海洋对于人类生存和发展的重大战略意义日益受到各国的普遍重视。是可潜入水中代替或辅助人类进行水下作业的机器人，经历了从载人到无人，从直接操作、遥控、自主到混合等主要阶段，被大范围的应用于海洋工程、水产养殖、科学研究等领域。新一代人工智能有关技术的迅猛发展，将大幅度提升机器人的智能化水平，水下机器人将加速进入智能化时代。
数据是21世纪的石油：这一重要表达描述和解释了过去十年中人工智能（artificial intelligence, AI）技术所取得的令人瞩目的巨大成功。《水下机器人的人工智能技术》试图勾勒出AI在水下领域中的应用前景，目前这一领域几乎尚未被人工智能技术所触及，但这也为AI领域提供了巨大的潜力。若人工智能技术与现代机器人技术相结合，人类将会从这些应用中获得巨大的收益。
本书是施普林格出版的“智能系统、控制和自动化：科学与工程”（Intelligent Systems, Control and Automation: Science and Engineering）丛书中的一本，从水下环境面临的困难与挑战、人工智能技术在水下机器人应用领域的发展的潜在能力等方面，立足于科学研究和工程应用，带领读者走近越来越智能化的水下机器人，以期能够更好地利用这项技术，实现对海洋资源的保护和可持续开发利用。本书的作者是来自德国人工智能研究中心（Deutsches Forschungszentrum für Künstliche Intelligenz, DFKI）的弗兰克·基希纳、希尔科·施特劳贝、丹尼尔·屈恩和尼娜·霍耶。该中心是全球重要的人工智能独立研究中心之一，在水下机器人、大规模并行嵌入式系统解决方案设计等方面经验丰富。
我们召集了来自人工智能所有的领域和相关学科的专家和学者，于2018年8月27日至28日在德国不来梅（Bremen, Germany）举行了为期两天的研讨会。
研讨会的设想是让这些科学家面对水下技术、水下应用和海洋科学领域，来确定水下环境对人们在陆地领域已经成功地应用和开发的方法、工具和理论会产生什么样的影响。
在研讨会的第一部分，来自海洋科学和产业化的海洋应用领域的同行专业的人介绍了他们的工作，以及在海洋领域尤其是水下领域使用现存技术时所面临的挑战。
丹尼尔·莫塔，莱昂内·安德拉德，路易斯·布雷达·马什卡雷尼亚什，瓦尔特·埃斯特旺·贝亚尔
这让所有的参与者大开眼界，在水下环境中部署和使用即使是最简单和最稳健的机械工具也成了一项挑战，因为这通常意味着大量的准备工作、持续监控和维护。当涉及使用更复杂的机电组件甚至系统时，准备和维护的工作量会随着组件或系统的复杂度，也就是所连接的机电部件、组件或系统的数量而呈指数倍增长。其结果就是，在这种环境中进行任何活动的“价格”都会相应上涨，因为为了确认和保证在海上尤其是水下环境中技术的安全可靠运行，唯一途径就是增加准备和维护的人工。有必要注意一下的是，尽管规模不同，但无论是对科学研究团队还是产业化的企业来说，都面临着相同的状况。在这种情况下，如果计算一艘标准的海上维修工作船在一天内燃烧的燃料量，“价格”的概念也具有了生态学的意义。显而易见，替代性地使用现代机器人和人工智能技术会使得一天的开支大幅度减少，由此减少此类作业的生态足迹。
本书第一部分概述了实验人员和操作人员在开展海洋科学研究或离岸项目（如石油和天然气、风力发电）时所面临的一些挑战。菲舍尔使我们不难发现了水下科学的世界，介绍了水下世界的美丽和脆弱，并概述了未来海洋科学使用智能水下系统的可能性。莫塔等则提供了有关水下环境的另外一种观点，他们阐述了开发水下环境中可获取的丰富资源的必要条件，因此他们将重点放在采取微创措施的必要性上，以便在不进行大规模环境介入的情况下进行开发。
第二部分将重点放在实现第一部分第1篇文章“人工智能技术面临的挑战和潜力”所假设的智能系统所需的基础技术上。这些基础技术涵盖材料科学、生产战略、模块化和可重构方法。
拉尔夫·巴赫迈尔，彼得·坎普曼，赫尔曼·普莱特，马蒂亚斯·布塞，弗兰克·基希纳
迪尔克·伍本，安德烈亚斯·肯斯根，阿赞格·乌杜加马，阿明·德科西，安娜·弗尔斯特
塞巴斯蒂安·巴尔奇，安德烈·科列斯尼科夫，克里斯托夫·比斯肯斯，米蒂亚·埃基姆
为了满足智能系统的需求，巴赫迈尔等从材料科学的角度讨论了新兴且先进的材料和制造策略的可能性，使系统能够更强健地利用自我修复等特性，而不是只能承受恶劣的水下环境。希尔德布兰特等提出了模块化和可重构的方法，重点是改进水下系统的可用性、多功能性和部署成本。巴赫迈尔等通过深入思考设计新推进器的可能性，专注于一种与众不同然而又很重要的技术，以更为精密和准确的方式操纵和控制水下航行器，切实反映了底层控制算法的发展潜能。
另一项非常需要的基础技术是通信。尽管电磁波传播受物理学规律的限制，在水下被限制在非常窄的带宽内，面对有限的带宽，伍本等利用语义概念作为新的沟通范式，研究了通信的替代方案。
最后巴尔奇等专注于未来水下机器人的另一项重要能力，他们通过给水下操纵引入新概念，将陆地作动器的设计和控制的概念拓展到水下高性能、可伸缩作动器的设计和控制上。
为了实现精确和智能操纵，费尔南德斯等分析了机器学习对水下机器人日益增加的结构复杂性进行建模和控制的发展的潜在能力。机器人需要具备精确识别和描述环境的能力，才能够有效地应用现代人工智能技术，克泽等将重点放在了这一方面，他们使用现代人工智能技术来进行环境的识别和表达。坎普曼等将重点放在水下抓取系统上，其本身是水下操纵中很重要的子系统，强调只有拥有灵巧的操作，开发并利用创新的压力耐受传感器技术，才能实现水下机器人的自适应灵巧抓取。
该领域一个极其困难的情况是对水体的系统动力学进行建模，应用数学直接法有很窄的适用性，因为它涉及介质性质的变化以及系统本身的动态变化。费尔南德斯等分析了深度学习技术的可能性，即使在高度复杂的机械结构的情况下，也可以近似模拟水下机器人的动力学模型。坎普曼等强调了对新传感器技术的需求，特别是利用一个早已在地面应用中建立的概念，并利用不一样的模式集成起来进行更精确、更稳健、最终也更可靠的环境信息收集。
弗雷泽等探索了导航尤其是在受限空间中导航的可能性。与在开阔水域中的航行不同，在受限空间内航行需要概率统计的方法来对环境和系统动力学进行建模和预测，以便进行假设的自定位和环境地图的计算。概率统计方法的一个突出缺点是它们需要训练数据才能最终收敛到最优解。而在真实世界的实测中，无法有效地获取这一些信息。因此，为了训练和优化系统在真实世界中的性能，一个可能的方法是采用特施纳等在第三部分“水下干预分析与训练仿真框架的研究”中提出的方法。这一篇文章针对水下干预探索了仿真框架的可能性，给出了现在可用的仿真模拟工具和方法。
无论我们在现实或模拟场景中进行多少训练，最终当将这些新型系统应用到海洋科学或海洋产业场景时，都需要一个验证协议来描述并在某些特定的程度上保证系统的功能。吕特等关注了这样的一个问题，探索新的和现有的技术来证明水下机器人系统的软件和硬件的正确性。毕竟，在水下环境中应用智能机器人时，人们不能也不想真正替换人工操作者。
实际上，这些新系统将成为人工操作者的扩展工具，或将帮他们提高所做工作的质量，或让他们做到目前没办法做到的事情，或者以更少的或是没有破坏性干预的方式做一些已经在做的事情，最终它将使人工操作者能够收集到更多关于这一个脆弱而又艰苦和恶劣的水下环境的信息。无论在任何情况下，人类和机器人都有必要进行有效的交互，这也是基希纳等在描述关于与水下机器人系统交互的创新性技术时所关注的重点。
，博士，研究员，国家重点研发计划课题负责人，中国水产科学研究院学科委员会委员，上海红外与遥感学会理事，国家公派访问学者，硕士研究生导师。主要是做渔业海洋学与空间信息智能化相关领域研究，发表论文80余篇，获授权发明专利15项；曾获大禹水利科技奖三等奖、神农中华农业科技奖二等奖、神农中华农业科技奖优秀科学技术创新团队奖。
本书的出版得到国家重点研发计划课题（2020YFD0901202, 2023YFD2401303）以及中国水产科学研究院院级基本科研业务费专项科研计划项目（2022XT0702）的资助。为了尽可能准确地表达原意，译者在翻译本书过程中查阅了大量的文献资料，对相关术语的中英文对照进行了大量仔细的核对，但仍难免存在疏漏之处，敬请广大读者不吝赐教。
本文摘编自《水下机器人的人工智能技术》[（德）弗兰克·基希纳（Frank Kirchner）等编；周为峰，程田飞译. 北京：科学出版社，2025.1]一书“前言”“译者序”，有删减修改，标题为编者所加。