从太空中的机器人开始,借助AI和声音预测未来
发布时间:2019-11-25
分享到:
从太空中的机器人开始,借助AI和声音预测未来
发布时间:2019-11-25
分享到:

博世SoundSee将深度学习与移动麦克风阵列相结合,以在ISS发生问题之前识别出问题

我们都在电影中看到过这样的情节,比方说在一艘潜艇或宇宙飞船上,聪明“绝顶”的总工程师会突然表情肃穆地竖起耳朵,听着嗡嗡的背景声说“恩,有地方出了点问题”。博世希望通过教育一台计算机学会在现实生活中做到通过声音识别故障,他们一直到国际空间站中测试这个技术。

考虑到通过非语音声音传输的数据量,人类在利用声音信息方面做得非常差。我们非常擅长在相对较短的时间范围内对声音(尤其是新出现的声音或者响亮的声音)做出反应,但是除此之外,我们的大脑还擅长将大多数已经持续进行了一段时间的声音归类为“背景音”,然后忽略掉它们。计算机具有具有我们人类通常都缺乏的耐心,似乎在这方面做得要好得多,但是,目前大多数声音算法开发人员的重点一直放在对离散声音事件(例如检测烟雾警报或玻璃被打破的智能家居设备)的处理上,对于长期持续的声音模式的使用很少。

我们不是电影角色那样的“装逼犯”,为何也应该关心声音的模式是如何随时间变化的呢?原因很简单,因为我们的日常生活中充满着很多机器,它们通常会发出很大的噪音,同时又时不时地造成昂贵的损坏,那么我们应该关心的是,发出的声音中是否包含着机器即将损坏的序曲?举个例子吧,现在,我在听洗衣机发出的一些奇怪的声音,我并不是太清楚这些奇怪的声音是否表示洗衣机不正常,更重要的是,我并不知道洗衣机上次运行时是否也发出了相同的怪异声音,这样就很难发现问题了。反之,如果我能发现洗衣机和以前发出的奇怪声音不一样,那么这可能预示着我这台机器遇到了一个新出现的问题,这样我就可以通过廉价的预防性维护来解决这个问题,而不是靠发生故障后进行昂贵的维修来解决这个问题。

博世这家德国公司制造的大量零件广泛应用在您的汽车、家用电器、电动工具、工业系统以及许多其它物品中,该公司正在试图弄清楚它们如何利用深度学习来识别并跟踪机器随时间推移产生的噪音。他们的想法是,通过识别声音中的细微变化,以在故障问题发生之前发出警告。有一个应用场景对这个技术很感兴趣:宇航员在国际空间站(ISS)的生命轨道中四处游荡,通过声音对即将引发的故障发出警报是一个很有用的功能。

SoundSee定向麦克风阵列是博世为NASA的Astrobee机器人提供的有效负载,我们之前曾对此进行了广泛的介绍。 Astrobee上个月刚刚在国际空间站上进行了首次自动飞行,在检查并校准机器人后,SoundSee将部署在Astrobee的一个模块化有效载荷舱中。安装完成后,它将执行各种任务,既可以在Astrobee开展业务时被动录制音频,也可以录制特定系统的针对性的音频。

SoundSee的首要任务之一是对国际空间站进行声强检查,这是一项相当乏味的工作,宇航员目前每几个月就要花大约两个小时的时间来做这件事情。在理想情况下,博世的SoundSee和Astrobee机器人将能够自动执行这个任务。但是,更有趣的任务(尤其是对地球应用而言)是对设备的声音进行监控,监听环境控制和生命支持系统(ECLSS)以及带有隔振和稳定功能的跑步机(TVIS)等系统发出的噪音。

SoundSee利用麦克风阵列记录的音频将被发送回博世公司,研究人员将使用深度音频分析技术过滤掉背景噪音以及机器人本身的噪音,以期能够分离出由特定系统产生的声音。通过使用在地球上的等效系统中训练的深度学习算法,博世希望SoundSee能够提供所监控系统的运行方式的“内部快照”,或者根据具体情况判定出系统无法正常工作,这时宇航员需要花费大量的时间进行维修。

博世首席研究员兼SoundSee项目负责人Sam Das解释说:“我们正在研究无需监督的异常检测算法,并且我们已经开发了一些基于深度学习的方法,可以检测机器运行特性的逐渐变化或突然变化。虽然SoundSee无法预测所有事情,但是它建立了一道防线,通过跟踪系统对正常动力模型的缓慢偏离,它能告诉我们,'嘿,您应该去检查一下了。当然,它给出的可能是一个错误的警报,但是这不会抹煞我们的系统接受训练以侦听可疑行为的意义。这些微妙的长期模式和变化可以为我们提供有关系统降级的令人惊讶的丰富信息。我们的最终目标是,能够在任何其他感测功能识别故障之前检测到它们。”

Das说,你可以把SoundSee视为类似于一个通过训练样本来分析某人行走状况的视觉系统。 首先,您需要按照正常的步行步态训练系统,然后,您将训练该系统识别出有人跌倒,最后,这个系统将能够识别出人被绊倒,慢慢地再识别出肌肉痉挛,最终的目标将是这样一个系统,它可以对您说:“您的一块肌肉看起来可能刚刚有些蠕动,您最好放松一下!”

之所以将SoundSee系统放在移动机器人上,而不是使用固定的分布式麦克风阵列,是因为它能够将本地化的信息与音频数据结合起来,Das说,音频数据提供了更多有用的数据。 Das说,“移动平台意味着您可以采集局部的声音来源。 现在,我们可以融合来自不同地点的音频中的信息,沿着运动轨迹汇总这些信息,然后通过创建环境的声音图来进一步发挥作用。”

这个概念也可以扩展到在地球端的操作上,Das认为,SoundSee技术在地球上的第一个潜在应用是充满了移动机器人的仓库环境。 “该实验的许多功能可以立即应用在一个需要地面机器人四处走动的生产车间或仓库中,你可以为每台机器部署一套SoundSee,然后您就拥有了一个监控物理基础设施的虚拟检查器。 ”

从长远来看,这种技术的应用领域很明显(汽车),尤其这个技术来自于全球最大的汽车零部件供应商-博世。您的汽车中可能会部署一个类似SoundSee的系统,该系统已经接受过算法培训,可以监控汽车的正常运转训,这将帮助预测维护需求,并准确识别出新出现的机械问题,几乎可以肯定的是,在您自己听不到声音之前或者通过其它方式发现问题之前,这个系统就能提前发现故障。

“声音可以为您提供有关环境的更多信息,” Das说。 “从房屋中的HVAC系统到汽车中的引擎,都可以通过音频的模式显示机器的运行状态及其功能运行状况。我们唯一要做的就是聆听。”

 

版权声明:电路城原创编译,翻译自IEEE,转载请注明出处!

加入微信技术交流群

技术交流,职业进阶

关注电路设计技能公众号

了解最新技术方案

加入电路城 QQ 交流群

与技术大牛交朋友

讨论

抢庄牛牛下载 诺安股票320003 七星彩 湖北30选5开奖 广盈宝配资 快速遥控赛车 三种股票指数 江苏11选5开奖 福建11选5 湖南快乐10分 安徽11选5开奖 11选5吉林走势图 龙湖配资 青海任五开奖结果 上海天天彩选4 股票融资可以融资多久