蝙蝠回声定位的秘密可以帮助机器人利用声音导航

此技术笔记专栏刊登于2020年12月刊，标题为“剪除杂音”。订阅 Discover杂志，阅读更多此类文章。

2007年3月的一个雨夜，研究生 Ralph Simon 独自一人在古巴雨林中。他受到一张杂志图片的启发，追踪着一个特定的碟形叶片，这是本地的Marcgravia evenia藤本植物的叶子。这些叶子看起来非常适合反射声音，Simon 怀疑它们能在黑暗中有效地吸引蝙蝠为其花朵授粉。他的导师在没有证据的情况下表示怀疑，于是Simon就独自一人，坐在爬行类动物中间，带着他的红外摄像机和零食，等待蝙蝠的到来。蝙蝠果然来了，每小时几批，整晚都是如此。

自那以后，Simon——现在是比利时安特卫普大学的感觉生态学家——已经三次返回同一地点收集叶片样本，并测试声音如何从叶片上反弹以吸引蝙蝠。如今，他正利用他的知识开发帮助机器人通过声音导航的技术。

大多数自主移动机器人依靠一套复杂的传感器进行机动。声纳技术通过回声定位——声波脉冲从最近的物体上反弹——帮助它们避开障碍物。它相对便宜，并且在低能见度环境下很有用，在这样的环境中摄像头可能会失效。然而，周围的物体会反射大量干扰信号，称为回声杂波，这对于机器人来说很难筛选。

相比之下，蝙蝠可以轻松地从一系列返回的回声中提取信息，实时绘制新环境的地图。但它们的导航方法很难模仿，这使得像Simon这样的研究人员不得不寻找新的方法来帮助机器人更好地筛选这些杂波。

建造信标

几种类型的人工陆标已经帮助指导了自主机器人。例如，在水下，简单的声学反射器可以引导配备声纳传感器的水下机器人。但很少有研究小组研究如何在陆地上制造声学标记——目前，还没有陆地声学标记来帮助机器人在地面回声杂波中导航。

Simon在雨林的考察让他找到了一个可以解锁声纳导航潜力的新解决方案：3D打印的声学反射器，形状类似于M. evenia的叶子。虽然一些植被只会反射微弱的声音，但M. evenia的叶子会反射出一致的回声模式，吸引蝙蝠在黑暗中飞向它的花朵——就像一座闪烁的灯塔指引着迷航的船只。

2006年，Simon和他的研究团队证明，改变中空、半球形、叶状结构的尺寸会改变它们返回的回声，并且蝙蝠能够分辨出这些细微的差异。五年后，该团队发现M. evenia在反射清晰、可识别的声学信号方面特别有效。这种藤本植物的碟形叶子会以一种独特的信号反射出长距离的回声，无论蝙蝠从哪个方向靠近，这种信号都能保持一致。这些叶子是如此有效的声学信标，以至于将传粉者的搜索时间缩短了一半，尽管周围有杂波。因此，该团队决定制作不同尺寸的反射器，看看自主机器人是否可以使用相同的原理进行导航。

实验室里的叶子

在一月份发表的一项研究中，Simon和他的团队制作了模仿M. evenia的3D打印塑料叶片。他们调整了形状和深度以加强反射器上反弹的回声，并利用这些反射器引导一个简单的自主机器人通过一个陌生的环境。他们安装了126片塑料叶片，制造了大量的回声——模拟了比自主机器人在户外导航时遇到的杂波更多的杂波。

研究人员训练了机器人的算法来识别各种大小的叶片反射器，就像蝙蝠通过回声识别不同形状的物体一样。每种类型的反射器都传递一个指令，指示机器人转弯、停止或打开灯。

当这台膝盖高的三轮机器人发出类似蝙蝠的叫声在实验室里移动时，反射器发出的回声如同小灯塔般闪耀。然而，从塑料板上反弹的声音却混乱地回荡，就像灯光从旋转的迪斯科球上闪烁一样。但是，尽管有杂音，机器人还是能够分辨出来自M. evenia启发式反射器的重要回声，并辨认出导航线索。

Simon表示，这项研究表明基础生态学研究如何推动导航技术的发展。这些反射器可以帮助自主机器人在视觉系统受损的封闭空间内（如尘土飞扬的温室或黑暗的矿井）进行导航。

“如今，声纳传感器主要用于测距，”他补充道。“但它们还能做更多。”

据安特卫普大学电气工程师、该研究的合著者Jan Steckel称，他们的反射器的简单性和显著性“消除了整个回声杂波问题”。他说，这些反射器可以衬托背景杂乱，就像海中的黑石头上的一颗红卵石一样醒目。

尽管取得了这些进展，但Simon和Steckel以及其他类似的研究背后，仍然隐藏着一个关于声纳导航在自然界中实际运作方式的更深层谜团。

蝙蝠是如何做到的？

关于蝙蝠究竟如何利用回声定位来感知和穿越环境，一直存在争论。它们是简单地识别从特定物体上反弹回来的回声，还是可以重建更详细的3D布局？一些研究人员认为，也许两者兼有。

“蝙蝠如何利用声纳导航是回声定位领域的‘百万美元问题’，”以色列特拉维夫大学生物学家、蝙蝠机器人Robat的联合创造者Yossi Yovel说。

他的初步研究表明，构建使用深度学习算法的机器人可能有助于我们理解蝙蝠从声学数据中提取什么信息。毕竟，这些神经网络模仿了蝙蝠拥有而机器人不拥有的东西：大脑。

虽然神经网络是一个强大的工具，但它们可能不是模仿这些顶级回声定位大师大脑的万无一失的解决方案。例如，海豚的声纳已被研究了几十年，但这些哺乳动物的自然能力仍然超越了它们的人造对应物，尤其是在杂乱的环境中。

意大利海洋研究与实验中心科学家Yan Pailhas的观察也是如此，他开发了受海豚启发的声纳系统，并制作了水下声纳陆标。尽管最近取得了进展，他表示神经网络仍然无法与海豚处理感官数据的方式相媲美。“它们有大脑，”他说。“这就是诀窍。”

揭示自然界的回声定位之谜是科学家们尚未解决的难题。安特卫普大学的Herbert Peremans，也是Simon和Steckel反射器研究的合著者，他说如果他能复制蝙蝠正在做的事情，他就会很高兴。“我认为大自然是一个工程师，”他补充道。作为一名工程师，他知道他能从其他发明家那里学到什么，无论他们是智人还是非智人。

他对团队的反射器感到自豪，因为它们为回声杂波问题提供了一个简单的答案，并且可以帮助户外环境中的人工声纳。“我认为研究自然进化的解决方案是有道理的，因为它们通常非常简单，”Peremans说。“优雅，但简单。”

Raleigh McElvery是一位报道生物学和神经科学的科学作家。她住在马萨诸塞州剑桥市。