💻 computer science

Marinarium: A Modular Experimental Facility for Reproducible Maritime and Space-Analog Field Robotics

本文介绍了 Marinarium，这是一个模块化且配备仪器的实验设施，通过集成传感、可伸缩屋顶和数字孪生技术，通过弥合低保真模拟与高成本海上实地试验之间的差距，为海事及太空类比应用提供可重复的多领域机器人研究。

原作者： Ignacio Torroba, David Dorner, Victor Nan Fernandez-Ayala, Mart Kartasev, Joris Verhagen, Elias Krantz, Gregorio Marchesini, Carl Ljung, Pedro Roque, Chelsea Sidrane, Linda Van der Spaa, Nicola De Car

发布于 2026-07-17

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ignacio Torroba, David Dorner, Victor Nan Fernandez-Ayala, Mart Kartasev, Joris Verhagen, Elias Krantz, Gregorio Marchesini, Carl Ljung, Pedro Roque, Chelsea Sidrane, Linda Van der Spaa, Nicola De Carli, Petter Ogren, Christer Fuglesang, Jana Tumova, Dimos V. Dimarogonas, Ivan Stenius

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你要教一个机器人如何游泳或如何在太空中漂浮。你不能直接把它扔进大海或发射到天空中；风险太高，成本极高，而且天气也太不可预测。因此，科学家通常会尝试两种方法：建立一个计算机模拟（现实世界的视频游戏版本），或者在小型受控水箱中进行测试。但问题在于，计算机游戏虽然很棒，但往往会遗漏现实物理学中那些混乱、摇摆的细节。小型水箱虽然安全，但往往过于简单，缺乏传感器和空间来测试机器人之间复杂的团队协作。这就像试图通过玩视频游戏来学习驾驶赛车，然后突然跳进一个装有玩具车的微型浴缸里。你需要一个中间地带——一个既感觉足够真实以教授机器人，又足够安全以允许其在不造成巨额损失的情况下发生碰撞的地方。这就是“野外机器人技术”（field robotics）的挑战，即研究如何制造能够在自然环境中运行的机器，从深海到太空的真空环境。

本文介绍了一种名为 Marinarium 的解决方案，这是一个建立在斯德哥尔摩皇家理工学院的新型模块化研究设施。把它想象成一个“机器人健身房”，它弥合了视频游戏与现实世界之间的鸿沟。该设施是一个 9 乘 5 米的大型水箱（大约相当于一个小游泳池），紧邻着一个控制室。但它不仅仅是一个水池；它是一个高科技游乐场。它拥有一个可伸缩的屋顶，这意味着研究人员可以在测试机器人在水下的同时，让它们也暴露在水面上的真实风雨之中。它布满了高速摄像机（动作捕捉系统），能够以极高的精度追踪机器人在水下和空中的每一次运动。最重要的是，它拥有一个“数字孪生”——一个与真实机器人直接对话的、完美的实时视频游戏副本。

研究人员利用这一设施证明了它的有效性，并解决了四种不同的棘手机器人问题。首先，他们通过在水箱中收集海量数据，教会机器人理解自身的运动，从而为机器人创造了一个比标准计算机模型更强大的“大脑”。其次，他们测试了一个由三种不同机器人组成的团队——一个在上方飞行的无人机、一艘在水面上的船和一艘在水下的潜水器——展示了它们如何协同工作以进行汇合，证明了该设施可以处理复杂的团队协作。第三，他们利用水箱来修复计算机模拟中的“故障”，通过从水中的错误中学习，教导模拟程序表现得更像真实的机器人。最后，他们将水下机器人作为航天器的替代品，在水中测试空间导航软件，以观察其在零重力环境下是否有效。论文指出，这类设施使机器人开发变得更快、更便宜且更安全，让科学家能够在实验室中解决那些原本需要进行危险且昂贵的海洋或太空之旅才能解决的问题。

技术摘要：Marinarium：用于可重复海洋与空间模拟野外机器人的模块化实验设施

问题陈述
海洋与空间领域的野外机器人研究面临着一个持久的“鸿沟”：即低成本、低保真度仿真与高成本、高风险的离岸或轨道部署之间的差距。虽然开阔水域测试具有真实性，但其存在可观测性差、受天气影响导致重复性难以及难以获取用于机器学习的精确地面真值等问题。相反，桌面级仿真往往无法捕捉复杂的流体动力学、声学和电磁相互作用，从而导致了阻碍仿真训练策略部署的显著“Sim2Real（从仿真到现实）”差距。现有的水箱设施通常缺乏必要的仪表设备、多领域能力（空气、水面、水下）以及与数字孪生或空间机器人实验室的紧密集成，难以支持系统辨识、异构协作和跨领域验证的系统性研究。

方法论：Marinarium 设施
为了解决这些局限性，作者提出了 Marinarium，这是一个位于皇家理工学院（KTH）的模块化、独立实验设施。该设施被设计为一个成本效益高的中间测试平台，旨在架起仿真与野外部署之间的桥梁。其核心组件包括：

物理基础设施： 一个 $9 \times 5 \times 3$ 米的水池，上方是一个 $9 \times 5 \times 2$ 米的空中体积。它配备了一个全可伸缩式顶棚，以允许在遮蔽环境和露天（真实天气）条件下进行操作。
仪表设备： 该设施配备了两套运动捕捉（MoCap）系统：一套用于水下追踪的 Qualisys 系统（8 台 Arqus 相机）和一套用于空中追踪的 Optitrack 系统（最多 16 台 Flex 13 相机）。这实现了具备地面真值的全 6 自由度状态估计。
声学优化： 为了减轻水箱中常见的多径效应，池底覆盖了 3 吨 8–16 mm 的海碎石，这使得在平滑壁面水箱中原本无法实现的声学通信（例如使用 Delphis 调制解调器实现 70% 的传输率）成为可能。
数字孪生： 设施的数字副本通过 SMaRCSim 仿真器实现，并通过 ROS 2-Unity 桥接与物理基础设施连接。这允许实时状态同步和软件在环（SIL）测试。
空间机器人集成： 该设施在物理位置上紧邻 KTH 空间机器人实验室（存放着 ATMOS 空气轴承测试台）。两个设施共享同一个 ROS 2 域并使用完全相同的软件栈（BlueROV2 Heavy 使用 PX4/Pixhawk，ATMOS 飞行器亦然），从而实现直接的跨领域比较。

关键贡献与实验验证
论文通过四项代表性的野外机器人研究验证了该设施的实用性：

数据驱动系统辨识 (SYSID)：
- 方法： 作者利用 MoCap 地面真值，从水箱中的 BlueROV2 中收集了高保真数据集。他们对比了四种建模方法：双积分器（DI）、标准 Fossen 物理模型、物理信息神经网络（PINc）以及基于径向基函数（RBF）的 Koopman 算子模型（EDMDc）。
- 结果： Koopman EDMDc 模型在 1、10 和 100 步预测步长内均实现了最低的均方根误差（RMSE），表现优于物理模型基准和 PINc 模型。该研究表明，受控环境能够为算子理论驱动的系统辨识收集所需的密集、低噪声数据。
异构多领域机器人：
- 方法： 执行了一项涉及异构机队的交会任务，包括一台水下 AUV（SAM）、一台水面 USV（FloatSAM）和一台空中 UAV（Crazyflie）。
- 结果： 任务成功演示了跨领域通信（WiFi、5G 和声学链路）以及协调行为，其中无人机降落在 USV 上，同时 AUV 在下方完成对接。这验证了该设施是测试多机器人集群在离岸部署前进行压力测试的有效场所。
弥合 Sim2Real 差距：
- 方法： 利用 SMaRCSim 中的数字孪生，作者训练了一个多层感知器（MLP）来学习模拟车辆与真实车辆（通过 MoCap 获取地面真值）之间的残差动力学（ $\delta$ ）。该残差被注入仿真器以修正物理模型。
- 结果： 与未修正的仿真相比，经过残差修正的仿真器在长时程预测中的位置和线速度预测误差显著改善。然而，作者指出角速度误差仍然显著，且在高速加速运动期间出现了不稳定性，这表明在提高鲁棒性方面仍有改进空间。
航天器自主性验证：
- 方法： 进行了一组配对实验，其中一台水下 BlueROV2（作为中性浮力替代物）与平面 ATMOS 空气轴承测试台在相同的控制架构（非线性 MPC）下，执行相同的基于信号时序逻辑（STL）定义的自主检查任务。
- 结果： 两个平台都成功追踪了参考轨迹，并表现出相似的运动剖面。水下替代物成功重现了自由飞行航天器的行为，验证了使用水下替代物测试航天器制导与控制算法的可行性。

意义与主张
论文声称，Marinarium 提供了一个独特的、可重复且经过充分仪表的环境，缩小了仿真与现实之间的差距。其重要性在于：

民主化： 为学术团体提供了一种低成本、模块化的选择，以替代规模庞大且稀缺的离岸设施，使严谨的野外机器人研究变得触手可及。
跨领域协同： 是已知唯一结合了水下与水上运动捕捉、具备可拆卸顶棚（暴露于天气）以应对天气变化、拥有已发布的数字孪生工作流、并与空间机器人实验室紧密集成的设施。
方法论进步： 证明了受控水箱环境对于数据驱动的系统辨识和 Sim2Real 迁移至关重要，而这些过程在开阔水域测试或单纯依靠仿真时往往难以实现或无法达到理想效果。

作者总结道，虽然 Marinarium 并不能取代开阔水域或轨道测试，但它作为一个关键的中间步骤，降低了开发风险，加速了迭代过程，并实现了跨海洋与空间模拟领域的复杂自主栈验证。

类似论文