远航的阻力
即便海陆空的自动驾驶技术都是依托于大数据计算分析和人工智能在环境感知、决策、定位避障上面的应用，用于海上航行的探测器对覆盖范围与信号传播能力的要求却远高于陆地。
首先，在感知能力上，自驾车的传感器只需覆盖200－300米的范围，而体积更大质量更重的船舶则需要在超过1．5公里的范围内探测障碍物，同时须“向下探测”以免触礁搁浅。水域复杂与交通密集的港口对于船只的避障能力也是一大考验。
船舶在海上航行时间长，移动路线受风浪影响大，即便风平浪静，船只也会随着波浪起伏漂流。自动驾驶船舶须结合船只重量和特殊的动力模式，在海洋变幻莫测的自然环境下，准确预测看似毫无规则的船只动作路径，分析并选择最佳航路。此外，还要解决在远洋遭遇恶劣天气时信号传输的困难。在外部环境适应上，自动驾船的技术要求远远高于自驾车。
由于电池无法负荷大型船舶远洋航行所需动力，故现在的大型货船多以柴油发动为主。燃油船的动力系统操作比电动船复杂许多，难以搭建完全由AI自主控制的模型。且燃油系统的日常维护十分琐碎，过滤燃油杂质、进行管道疏通与清洁等随机发生的系统问题使维护工作不易自动化。
另外，电力、网络和系统安全可说是使用人工智能决策的必备条件。如何在远洋航行时确保电力供应与系统设备正常运行，是自驾船必须面对的问题。且远洋航船所使用的卫星通信宽带小、容易延迟，不像无人车能通过高带宽网络，将实时感测的环境数据上传云端系统，利用大数据分析完成人工智能自主决策。船舶本身还必须具备较强的数据处理能力并改善通信环境，才可能实现全程AI自动驾驶。
再者，船舶造价远高于汽车，自动驾驶技术测试成本十分高昂。且海洋交通数字化进程不如陆地，船舶行业缺乏公开数据库来训练自动驾驶AI神经网络模型。
自然环境、设备问题、电力供应、数据处理、信号传输等种种原因使得现有的自主航行系统尚无法完全满足船舶安全的操控需求，需要远程遥控结合部分自动控制才能保障船舶的运营安全。
因此，从2018年以来，北欧及中日韩等国仍大多还处于“半自动驾驶”阶段，多为远程操控或短距离部分自主航行，尚无法完成全程由AI自主决策的远洋航行。
而IBM最新推出的AI船长已针对以上问题提出了新的解决方案，有望在自驾船泊领域拔得头筹。
IBM和MIT的答卷
不同于欧日韩所专注的大型货运及渡轮自动驾驶技术，IBM的AI自驾船“五月花号”用于收集、探测有关海洋的数据，以帮助科学家们解决全球暖化、气候变迁、环境污染及海洋动物保护问题。
较小的体积让五月花号得以使用风力和电力作为动力来源，利用太阳能电池帮助补充电力。比起复杂且不易维护的燃油系统，电力系统较容易搭建AI自主控制的模型。IBM旗下The Weather Company会为AI船长提供天气预报数据来辅助自主导航决策，帮助其应对变化多端的天气状况。
在信号传输与计算上，五月花号使用完全自主的IBM边缘计算系统解决远洋航行无法访问高带宽网络的问题。藉由多个船载的 NVIDIA Jetson AGX Xavier 设备进行数据本地化处理。不仅能提高决策速度、减少船上的数据流和数据存储量，还能确保系统不受网络黑客入侵。
自主决策方面，通过内部搭建的运营决策管理系统ODM保障船只完全遵循国际海事法规，并以完全透明的方式记录决策过程，从而避免“黑箱操作”的情况。运行于 RHEL （RedHat Enterprise Linux） 上的安全管理者功能将复核AI 船长作出的所有决策，以确保这些决策对五月花号及其附近其它船只而言均属安全。
为了使世界各地的追随者能够在执行MAS的各种任务时保持最新状态，IBM和ProMare启动了一个新的交互式Web门户——MAS400门户网站，用于提供有关船舶位置、航行速度、环境条件和来自各种研究项目数据的实时更新。
目前看来，IBM的AI船长似乎已经做好出航的准备。五月花号预计于今年春天从英国普利茅斯启程前往美国马萨诸塞州普利茅斯，它能否克服远洋海域的极端天气成为实验的重点。
若是实验成功，五月花号将成为有史以来首批跨越大西洋的自主航行船舶。其搭载的太阳能电力、边缘计算、AI自主决策与规则管理系统将为自动驾驶船舶率先建立一个创新有效的解决方案。
除了难度较高的大型海运船只，尝试将自动驾驶船应用于不需担心信号传输与极端天气的城市运河似乎也是个不错的选择。
麻省理工学院计算器科学与人工智能实验室（CSAIL）的研究人员完成了一款专门为阿姆斯特丹运河搭载乘客、货物的自动驾驶船Roboat II。其船体上配置了传感器、推进器、微控制器、摄像机和其他硬件，可在湍急的水流中保持稳定前行。
自主决策方面，Roboat II通过同步定位和映射算法（SLAM），利用激光雷达、GPS传感器及用于定位、姿态和速度的惯性测量单元进行自我定位。其搭载的非线性模型预测控制器将跟踪来自状态规划器的参考轨迹，规划器再更新其路径以避开检测到的障碍。
最有趣的是，这款船还可以与它的“小伙伴”“串联”或“并联”在一起，能够自动变换队形，解决运河船只拥堵的问题。无论船队是“串联”还是“并联”，都是中间的Roboat II负责领导船队运行的方向和轨迹。通过侦测自己与船队结构中心的相对位置，当领队 Roboat II 开始向给定的目的地移动时，两侧的Roboat II便可以估计领队的意图并调整自己的移动轨迹。
在最新的试验中，Roboat II可以成功在阿姆斯特丹运河航行三个小时，并以17厘米的误差幅度回到起始位置。目前，研究人员还在探索自适应控制器，希望实现当物品放置在船上时，该控制器能动态改变船队结构。
缩小才是关键？
目前搭载自主航行系统的大型货船，只能在沿海或短距离内完成自主航行；在距离较长的试验中仅能做到远程操控＋自主航行的半自动驾驶。现行的船只虽大部份都搭载了传感器与导航等智能设备，也还停留在辅助驾驶与机械自动化的阶段。
对于此状况，距离完全自主驾驶最近的五月花号与Roboat II，似乎分别在体积与应用环境上展现了新的思路。
相较于北欧和中日韩研发的自驾船，五月花号和Roboat II的体积都比货轮更小。得以使用电力系统推动，更容易搭建AI自主决策模型。就感知层面而言，相较于大型船舶，小型船舶的盲区面积小，所需的传感器种类和数量更少、探测范围更小，所需处理和传输的数据量也相应减少，对数据处理器与讯号传输量的要求也随之降低，更容易实现对周围环境的有效探测。
此外，小型船舶可使用多向动力推进系统，配合GPS能更精确地控制运动轨迹，提升机动性与灵活性，更容易在运河等复杂水域和交通繁忙的港口完成避障。但在远洋航行中，对大浪等恶劣环境的耐受性也随之降低。因此更适合运用于河运等受天气影响较小的地区。
虽然五月花号和Roboat II尚未真正完成商业应用，对于暂时陷入瓶颈的船舶自动驾驶技术而言，适当缩小船只体积或从环境相对单纯的河道开始试验，也许是个可以尝试的方向。待小型河船完成自驾技术商业化，再按部就班航向远洋。
汉堡工商管理学院公布的报告指出，理想情况下，2025年将会出现约1000艘自动驾驶船舶和2000艘半自动驾驶的船舶。就现有技术而言，半自动驾驶船舶已经存在。AI船长真正扬帆启航的日子，似乎也离我们不再遥远。
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
AI产业新媒体；
澎湃新闻科技榜单月度top5；
文章长期“霸占”钛媒体热门文章排行榜TOP10；
著有《人工智能 十万个为什么》
【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI＋医疗、机器人、物联网、AI＋金融、AI＋教育、AR／VR、云计算、开发者以及背后的芯片、算法等。