從太空中的機器人開始,借助AI和聲音預測未來
發布時間:2019-11-25
分享到:
從太空中的機器人開始,借助AI和聲音預測未來
發布時間:2019-11-25
分享到:

博世SoundSee將深度學習與移動麥克風陣列相結合,以在ISS發生問題之前識別出問題

我們都在電影中看到過這樣的情節,比方說在一艘潛艇或宇宙飛船上,聰明“絕頂”的總工程師會突然表情肅穆地豎起耳朵,聽著嗡嗡的背景聲說“恩,有地方出了點問題”。博世希望通過教育一臺計算機學會在現實生活中做到通過聲音識別故障,他們一直到國際空間站中測試這個技術。

考慮到通過非語音聲音傳輸的數據量,人類在利用聲音信息方面做得非常差。我們非常擅長在相對較短的時間范圍內對聲音(尤其是新出現的聲音或者響亮的聲音)做出反應,但是除此之外,我們的大腦還擅長將大多數已經持續進行了一段時間的聲音歸類為“背景音”,然后忽略掉它們。計算機具有具有我們人類通常都缺乏的耐心,似乎在這方面做得要好得多,但是,目前大多數聲音算法開發人員的重點一直放在對離散聲音事件(例如檢測煙霧警報或玻璃被打破的智能家居設備)的處理上,對于長期持續的聲音模式的使用很少。

我們不是電影角色那樣的“裝逼犯”,為何也應該關心聲音的模式是如何隨時間變化的呢?原因很簡單,因為我們的日常生活中充滿著很多機器,它們通?;岱⒊齪艽蟮腦胍?,同時又時不時地造成昂貴的損壞,那么我們應該關心的是,發出的聲音中是否包含著機器即將損壞的序曲?舉個例子吧,現在,我在聽洗衣機發出的一些奇怪的聲音,我并不是太清楚這些奇怪的聲音是否表示洗衣機不正常,更重要的是,我并不知道洗衣機上次運行時是否也發出了相同的怪異聲音,這樣就很難發現問題了。反之,如果我能發現洗衣機和以前發出的奇怪聲音不一樣,那么這可能預示著我這臺機器遇到了一個新出現的問題,這樣我就可以通過廉價的預防性維護來解決這個問題,而不是靠發生故障后進行昂貴的維修來解決這個問題。

博世這家德國公司制造的大量零件廣泛應用在您的汽車、家用電器、電動工具、工業系統以及許多其它物品中,該公司正在試圖弄清楚它們如何利用深度學習來識別并跟蹤機器隨時間推移產生的噪音。他們的想法是,通過識別聲音中的細微變化,以在故障問題發生之前發出警告。有一個應用場景對這個技術很感興趣:宇航員在國際空間站(ISS)的生命軌道中四處游蕩,通過聲音對即將引發的故障發出警報是一個很有用的功能。

SoundSee定向麥克風陣列是博世為NASA的Astrobee機器人提供的有效負載,我們之前曾對此進行了廣泛的介紹。 Astrobee上個月剛剛在國際空間站上進行了首次自動飛行,在檢查并校準機器人后,SoundSee將部署在Astrobee的一個??榛行г睪剎罩?。安裝完成后,它將執行各種任務,既可以在Astrobee開展業務時被動錄制音頻,也可以錄制特定系統的針對性的音頻。

SoundSee的首要任務之一是對國際空間站進行聲強檢查,這是一項相當乏味的工作,宇航員目前每幾個月就要花大約兩個小時的時間來做這件事情。在理想情況下,博世的SoundSee和Astrobee機器人將能夠自動執行這個任務。但是,更有趣的任務(尤其是對地球應用而言)是對設備的聲音進行監控,監聽環境控制和生命支持系統(ECLSS)以及帶有隔振和穩定功能的跑步機(TVIS)等系統發出的噪音。

SoundSee利用麥克風陣列記錄的音頻將被發送回博世公司,研究人員將使用深度音頻分析技術過濾掉背景噪音以及機器人本身的噪音,以期能夠分離出由特定系統產生的聲音。通過使用在地球上的等效系統中訓練的深度學習算法,博世希望SoundSee能夠提供所監控系統的運行方式的“內部快照”,或者根據具體情況判定出系統無法正常工作,這時宇航員需要花費大量的時間進行維修。

博世首席研究員兼SoundSee項目負責人Sam Das解釋說:“我們正在研究無需監督的異常檢測算法,并且我們已經開發了一些基于深度學習的方法,可以檢測機器運行特性的逐漸變化或突然變化。雖然SoundSee無法預測所有事情,但是它建立了一道防線,通過跟蹤系統對正常動力模型的緩慢偏離,它能告訴我們,'嘿,您應該去檢查一下了。當然,它給出的可能是一個錯誤的警報,但是這不會抹煞我們的系統接受訓練以偵聽可疑行為的意義。這些微妙的長期模式和變化可以為我們提供有關系統降級的令人驚訝的豐富信息。我們的最終目標是,能夠在任何其他感測功能識別故障之前檢測到它們?!?br />

Das說,你可以把SoundSee視為類似于一個通過訓練樣本來分析某人行走狀況的視覺系統。 首先,您需要按照正常的步行步態訓練系統,然后,您將訓練該系統識別出有人跌倒,最后,這個系統將能夠識別出人被絆倒,慢慢地再識別出肌肉痙攣,最終的目標將是這樣一個系統,它可以對您說:“您的一塊肌肉看起來可能剛剛有些蠕動,您最好放松一下!”

之所以將SoundSee系統放在移動機器人上,而不是使用固定的分布式麥克風陣列,是因為它能夠將本地化的信息與音頻數據結合起來,Das說,音頻數據提供了更多有用的數據。 Das說,“移動平臺意味著您可以采集局部的聲音來源。 現在,我們可以融合來自不同地點的音頻中的信息,沿著運動軌?;闋苷廡┬畔?,然后通過創建環境的聲音圖來進一步發揮作用?!?/p>

這個概念也可以擴展到在地球端的操作上,Das認為,SoundSee技術在地球上的第一個潛在應用是充滿了移動機器人的倉庫環境。 “該實驗的許多功能可以立即應用在一個需要地面機器人四處走動的生產車間或倉庫中,你可以為每臺機器部署一套SoundSee,然后您就擁有了一個監控物理基礎設施的虛擬檢查器。 ”

從長遠來看,這種技術的應用領域很明顯(汽車),尤其這個技術來自于全球最大的汽車零部件供應商-博世。您的汽車中可能會部署一個類似SoundSee的系統,該系統已經接受過算法培訓,可以監控汽車的正常運轉訓,這將幫助預測維護需求,并準確識別出新出現的機械問題,幾乎可以肯定的是,在您自己聽不到聲音之前或者通過其它方式發現問題之前,這個系統就能提前發現故障。

“聲音可以為您提供有關環境的更多信息,” Das說。 “從房屋中的HVAC系統到汽車中的引擎,都可以通過音頻的模式顯示機器的運行狀態及其功能運行狀況。我們唯一要做的就是聆聽?!?/p>

 

版權聲明:電路城原創編譯,翻譯自IEEE,轉載請注明出處!

加入微信技術交流群

技術交流,職業進階

關注電路設計技能公眾號

了解最新技術方案

加入電路城 QQ 交流群

與技術大牛交朋友

討論