A Vision-based Grid-Exploration Path Planning Method for Efficient Water Surface Cleaning under Heterogeneous Debris Distributions

漂浮在我们的河流、湖泊和沿海水域中的垃圾不仅仅是视觉上的难看，更是对水生生物和人类健康的持续威胁。虽然大型工业机器可以清理开阔海洋，但它们对于那些垃圾容易堆积的狭窄、浅水运河和城市水道来说，往往显得过于笨重且成本过高。这促使科学家们将目光转向了一种被称为无人驾驶水面艇（unmanned surface vehicles）的小型自主船只。这些机器人可以穿梭于狭窄空间并无需人工操作，但它们面临着一个棘手的难题：当垃圾分布得不可预测时，如何高效地清理大面积区域？如果机器人只是简单地来回直线行驶以覆盖每一寸水域，它会在没有任何垃圾的空置区域浪费大量的时间和能量。相反，如果它在移动前等待看到垃圾，它可能会因为不断的转向和绕路而导致燃料消耗在剧烈的之字形行驶中。挑战在于寻找一个中间点，即让机器人利用其“眼睛”观察前方，然后规划出一条既能避开空置水域，又能捕捉到每一件垃圾的智能路径。

杭州电子科技大学的研究人员开发了一种新的机器人思考方式，称为“基于视觉的网格探索法”（Vision-based Grid-Exploration method）。这种方法不再是盲目地扫过整个水面，也不再是对看到的每一件垃圾做出疯狂反应，而是将水域分解为易于管理的方格网格。机器人移动到其中一个方格的边缘，停下，然后旋转身体，对该特定方格内的所有物体进行完整的视觉清点。只有在精确绘制出该方格内垃圾的具体位置后，它才会计算出收集所有垃圾的最直接路径，然后再前往下一个方格。研究团队在计算机模拟和真实窄水道中的实船测试表明，这种方法可以让机器人完全跳过空置的水域。在最困难的测试中，即垃圾分布稀疏的情况下，这种智能规划方案比传统方法减少了超过四分之三的行驶距离，并将完成任务所需的时间缩短了近三分之二。

这项创新的核心是从“覆盖地面”向“寻找目标”的转变。传统的清洁机器人通常遵循固定的模式，就像割草机一样，无论是否有垃圾，都会在整个区域内来回行驶。如果水质分布均匀地脏，这种方法效果很好；但在现实世界中，垃圾往往会聚集在某些地方，而留下其他地方完全干净。由于郁海滨（Haibin Yu）和周浩南（Haonan Zhou）领导的团队开发的这种新方法，将水域视为一系列细小的、截然不同的区域。当机器人到达一个区域的边界时，它会利用自带的摄像头扫描该区域。它不仅仅是在寻找垃圾，还在构建该区域内容的完整图像。一旦机器人明确知道该区域内每一个瓶子、罐子或泡沫块的具体位置，它就会解决一个路径规划问题，以确定访问每一个单品并驶向下一个区域的最短路径。这与旧方法有着显著不同，旧方法可能会抓取最近的一件垃圾然后立即转向，从而导致路径混乱且低效。

为了证明这一想法的可行性，研究人员在一个模拟了40米乘以40米水域的仿真环境中进行了广泛测试。他们创建了四种不同的场景，以观察机器人如何应对各种情况：少量均匀分布的垃圾、大量均匀分布的垃圾、紧密聚集的集群垃圾，以及两者的混合情况。在垃圾稀疏且分散的场景中，传统方法迫使机器人行驶近800米来清理该区域，在空置水面上浪费了大量时间。然而，新方法找到的路径仅为217米左右，减少了75.7%。节省的时间更为显著，任务完成时间约为255秒，而非超过646秒。即使在垃圾最密集的场景中，新方法与旧方法相比，依然成功缩短了近一半的行驶距离。关键不仅在于移动得更快，更在于通过消除在空置水面上行驶的需求，实现移动得更聪明。

团队并未止步于计算机模拟，他们还制造了一个物理原型来测试该系统在现实世界中的表现。他们建造了一艘配备了立体摄像头和强大车载计算机的小型双体船。他们将这艘船带到了大学内的一条人工窄水道中，这种受限空间模拟了城市水道的狭窄约束。在这次现实世界的试验中，船的任务是收集19件人造垃圾。机器人成功利用其视觉系统检测到了这些物品，规划了路径，并执行了清洁任务。船在水面上实际行驶的路径与计算机规划的路径高度吻合，仅因自然水流运动和GPS信号噪声产生了一些微小偏差。船以稳定的速度移动，精准转向收集每一件物品，然后直奔下一件，证明了复杂的计算可以在小型便携式计算机上实时完成。

这项工作的最重要发现之一是，该方法足以应对自然的复杂现实。在现实世界中，垃圾不会保持整齐的线条；它们会随着水流漂移并在角落堆积。研究人员发现，他们的基于网格的方法能很好地处理这些不规则情况。当垃圾聚集在一起时，机器人能高效地扫过集群而不陷入循环；当垃圾分散时，机器人则直接跳过空置区域。这种适应性表明，该系统可以在从安静的池塘到繁忙的运河等多种环境中工作。研究人员指出，虽然目前的系统运行良好，但它假设水面相对平静。强风或强电流可能会将船冲离航线，未来的技术版本需要考虑这些动态力量，才能在所有天气条件下都具备真正的可靠性。

该项目的成功预示着，自主清洁将不再仅仅是一个理论概念，而是一个实用的环境保护工具。通过结合视觉能力与规划能力，这些机器人可以以人类操作员或简单自动化机器无法比拟的效率进行作业。研究表明，通过简单地改变机器人看待水域的方式——将其分解为细小的、可管理的片段并根据所见规划路径——所需的能量和时间可以大幅降低。这种效率对于规模化运营至关重要；如果机器人能在极短的时间内清理大面积区域，那么在全球城市和沿海地区部署这些机器人的船队将具有经济可行性。

研究人员强调，尽管他们的结果令人鼓舞，但工作仍在进行中。目前的系统依赖于摄像头可见的垃圾，这意味着在水质非常浑浊或没有额外传感器的情况下，它可能会遇到困难。此外，测试是在受控或半受控的环境中进行的。下一步的任务是在更复杂的开放水域环境下测试这些系统，那里的水流更强，障碍物也更难以预测。尽管存在这些局限性，该研究仍为如何将人工智能和机器人技术应用于解决切实存在的紧迫问题提供了一个清晰的蓝图。基于视觉的网格探索法提供了一种将混乱、耗能的任务转化为流线型、高效运作的方法，证明了有时清理混乱的最佳方式，不是盯着全局看，而是专注于细节。