AI化身空间站故障排查小助手​!借助AI和声音实现未雨绸缪

博世SoundSee 将深度学习与移动麦克风阵列相结合,在国际空间站发生故障前识别出问题。

来源 / ieee 编译 / 王转转、牛婉杨 出品 / 公众号“大数据文摘”(ID:BigDataDigest)理论派经授权发布

我们都在电影中见过这种场景,例如在潜艇或宇宙飞船上,总工程师会突然竖起耳朵听背景嗡嗡声并说“出问题了”。博世希望教会计算机在现实生活中做到这一点,并到国际空间站测试这项技术。

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很有限。我们非常擅长在相对较短的时间范围内对声音(尤其是新的声音或响亮的声音)做出反应,但除此之外,我们的大脑只是擅长将大多数响声归为“背景音”而忽略它们。

比人类耐心得多的计算机似乎在这方面要做得好很多,但是大多数开发人员的重点一直放在离散的声音(例如检测烟雾警报器或碎玻璃的智能家居设备),而不是持续时间较长的声音模式。

为什么我们需要关心声音的模式如何随时间变化?原因很简单,因为我们的日常生活充满了很多机器,它们既发出很大的噪音,又时不时会坏掉。

比如,我听到洗衣机发出一些奇怪的声音。这些声音是否属于正常运行时发出的声音,我并不太清楚,而且我也完全记不清上次洗衣机运行时是否发出相同的奇怪声音。如果一台机器发出了之前从未有过的声音,而我们意识到了,就可以未雨绸缪,免得事后花大量的维修费来解决。

德国博世,这家在汽车、家用电器、工业系统以及许多其他物品的零件制造中占据一席之地的公司,正试图弄清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。希望可以通过识别声音中的细微变化,从而未雨绸缪。而对这一问题最感兴趣的莫过于在国际空间站工作的宇航员们了。

空间站故障排查小助手SoundSee

SoundSee是博世为NASA的Astrobee机器人提供的新型传感器。Astrobee上个月刚刚在国际空间站上进行了首次自动飞行,在机器人完成检出并校准后,SoundSee将被放置在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进行作业时录制音频,也可以为特定系统录制音频。

SoundSee的首要任务之一是对国际空间站进行声强调查,这是一项相当乏味的工作,宇航员目前每几个月要花大约两个小时的时间来做。理想情况下,SoundSee和Astrobee将能够自动执行此任务。但是,更有趣的任务(尤其是对地球应用而言)则是排查设备的声音监控,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用麦克风阵列记录的音频将被发送回博世,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,以隔离出由特定系统发出的声响。通过使用在地球上训练出的深度学习算法,博世希望SoundSee能够提供该系统运行方式的“内部快照”。若该系统无法正常运行,希望SoundSee能够尽早发现问题所在,并为宇航员进行维修争取出时间。

博世首席研究员兼SoundSee项目负责人Sam Das解释说:“我们正在研究无监督的异常检测算法,我们已经掌握一些基于深度学习来检测机器运行特性渐变或突变的方法。SoundSee无法预测所有事情,但是它可以做到跟踪正常动力模型的缓慢偏离,并告诉我们:‘嘿,可以检查一下这里!’ 他可能会提供错误的警报,但我们的系统将接受训练以侦听可疑行为。这些长期模式中的细微变化可以为我们提供有关系统降级的丰富信息。我们的最终目标是在任何其他感应系统之前识别出问题。”

Das表示,可以认为SoundSee的训练模式类似于训练基于视觉系统来分析某人的行走。首先需要按照正常的步行步态训练系统;其次训练它识别出跌倒的情形;然后,该系统将能够识别出绊倒以及肌肉痉挛,最终目标是训练出一个可以说出“您有一块肌肉似乎要开始抽筋了,最好放松一下!”的系统。

之所以将SoundSee系统放在移动机器人上,而不是使用固定麦克风的分布式阵列,是因为它能够将本地化信息与音频数据结合起来,Das认为这样可以提供更多有用的数据。“移动平台意味着可以将声音来源本地化。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使这一步骤更进一步。”

这个概念也扩展到地球上的操作,Das认为SoundSee技术的潜在应用之一是具有许多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需要地面机器人四处走动的生产车间或仓库中。如果为每台机器部署SoundSee,那么将获得一个用于物理基础设施监控的虚拟检查器。”

从长远来看,这项来自全球最大的汽车零部件供应商博世的应用领域十分广泛。如果汽车中拥有一个类似SoundSee的系统,并且已经被正常运转时的声音数据训练过,那么在你发现故障声音之前,它就能预测维护需求并准确识别新出现的机械问题。

“声音包含着有关环境的丰富信息。” Das说道,“从房屋中的取暖、通风、空调(HVAC)系统到汽车中的引擎,可以通过音频模式显示机器的运行状态及其功能运行状况。”我们要做的就是聆听。

相关报道:https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/predicting-the-future-with-ai-and-sound-starting-with-robots-in-space

参与评论

请输入你的评论!
请在这里输入你的名字