参与灾难救援的机器人

当灾害来临，谁会第一个赶赴现场？现在越来越多的机器人开始充当先锋。罗宾·墨菲在她的实验室里制造出了多种救援机器人，可以在灾害现场飞行、钻探、潜水和爬行，帮助消防员和救援人员拯救更多生命，并且可以将灾后重建时间最多缩短三年。

每年超过100万人在灾难中丧生。

250万人因意外而终生残疾或流离失所，

重建家园需要20到30年的时间，

花费高达数十亿。

如果最初的应急响应能提前一天，

灾后重建工作就能缩短

1000天，大约3年。

知道为什么吗？

如果应急响应小组
能够（及时）行动，拯救遇难者，

缓解洪水或者其他灾害的影响，

其他团队就可以（尽快）开始

恢复供水，交通，电力，

这样的话，施工人员，保险代理人，

所有人都可以（尽快）开始重建房屋，

经济就能（迅速）恢复，

甚至变得更好，
提高今后对灾难的抗打击能力。

一家大型的保险公司曾告诉我

如果他们能够提早一天处理房主的理赔申请，

房主的房屋就可以

提前六个月修好。

这就是为什么我研究救灾机器人——

因为机器人能够更快地应对灾难。

相信大家以前都见过无人机。

这些是无人机

这里有两种无人机：

一种是旋翼机，也叫“蜂鸟”；

另一种是固定翼的，也叫“雄鹰”。

它们从2005年卡特里娜飓风起

就被广泛使用。

我们来看看“蜂鸟”是如何工作的。

“蜂鸟”对结构工程师帮助巨大。

能帮助你从不同角度观察受损情况，
而这些角度无论是地面望远镜，

还是卫星图像，

或者其他任何高空飞行器都无法提供。

（无人机）不光能帮助
结构工程师和保险业者。

比如这架“雄鹰”固定翼无人机，

可以用来做地理空间测绘。

将它拍摄的图像拼在一起，

就能生成3D图像。

我们在华盛顿州的奥索泥石流灾害
中用到了这两种无人机，

因为难点在于

了解灾害的地理和水文性质，

而不是搜寻和救援。

这是搜寻救援队的工作，

他们是专业的。

更严重的问题是河水和泥石流可能会把

救援队冲走。

这不仅会造成救援队人身和财产损失，

还会对未来华盛顿州地区的三文鱼捕捞

带来不利影响。

所以他们需要了解灾害情况。

在7小时内，（我们）从阿灵顿的

灾难指挥所开车到事发现场，操控无人机，

处理得到的数据，开车回到阿灵顿指挥所，

（总共）七个小时。

我们在七个小时内提供给他们的数据，

如果用别的方式可能需要两三天。

而且（我们的数据）分辨率更高。

这是一个巨大的突破。

但还有比它们更厉害的。

没错，无人机确实很神奇——但请记住，

世界上80%的人口都生活在水边，

这就意味着我们关键的基础设施都在水里——

而我们无法到达，比如桥梁等设施。

于是我们发明了水下无人机器人，

大家看到的这个是SARbot，
又叫“方形海豚”。

它能潜入水中并使用声纳。

为什么水下机器人如此重要？

原因是什么？

（因为）它们常被人忽视。

回顾一下日本海啸——

总共400英里的海岸线被完全摧毁，

是美国卡特里娜飓风
摧毁的海岸线长度的两倍。

所有的桥梁，管道，港口都被完全摧毁。

如果没有港口，

就无法运输足够的救灾物资

去支援受灾人群。

这在海地地震时就是一个巨大的难题。

所以，我们需要水下机器人。

现在，我们从SARbot的角度

看看它能看见什么。

我们曾帮助过一个渔港。

在（SARbot的）声纳帮助下，
我们在四个小时内就让渔港恢复了工作。

渔港原本被告知，潜水员

要六个月之后才能开始工作，

工作时间还需要两个星期。

这样一来他们会错过秋季渔汛，

那是当地的主要经济来源，
有点像咱们的鲟鱼角。

水下机器人，非常重要。

我给大家展示的机器人都很小，

因为它们需要做的，
是人类做不了的事。

需要前往的，
是人类去不了的地方。

其中具有代表性的机器人是布约德。

陆地无人机都特别小，

布约德

（笑声）

向布约德问好。

（笑声）

布约德在世贸中心救援中被广泛使用，

它可以穿过一、二和三号大楼，

从上方钻入废墟，
一路向下，进到很深的地方。

这是从布约德的角度来看世界贸易中心。

在这场灾难中，你无法派人或狗进入现场，

而且到处都是大火。

想要救出被困在地下室的幸存者，

只能通过熊熊燃烧的火场。

现场温度很高，其中一个机器人
的履带都融化脱落了。

机器人并不能取代人或者狗，

也不能取代蜂鸟，老鹰或海豚。

它们能够做与众不同的事。

它们用创新的方式协助救援队和专家。

现在最大的挑战
并不是把机器人变得更小。

也不是让它们更加耐热。

也不是安装更多的传感器。

最大的难题是（处理）数据和信息，

因为人们需要在正确的时间得到准确的信息。

如果专家们能实时获取机器人取得的数据，

不需要等机器人回到指挥所，

可以直接在线使用机器人，那该有多棒。

让我们想象一下。

如果一列装载化学品的列车
在偏远地区脱轨，

专家们，比如化学工程师，

铁道运输工程师，

有多大的几率当地正好有
他们会使用的无人机呢？

也许完全没有。

所以我们开发了一种（通用）界面，

人们即使对自己使用的机器人不熟悉，
也能（正常）操纵它们，

甚至都不需要知道他们在操纵机器人。

机器人提供给我们的，给专家的，是数据。

接下来的问题是：
（如何决定）谁在什么时候得到何种数据？

一种办法是把所有的信息给所有的人

让他们自己筛选。

但这样做可能会导致
（传输数据的）网络超载。

更糟的是，它可能超越了
人类认知能力（的极限），

因为每个人都需要从（海量）数据中
筛选出自己所需要的那一小部分，

来作决定，而这决定可能关乎生死。

所以我们要再三斟酌。

这是关于数据的难题。

再来看世贸中心救援，

我们是在布约德进入废墟深处后

才开始记录数据的，

因为这是坍塌搜救专队的要求。

而有一件事我们当时不知道，

就是土木工程师十分需要了解

箱型梁的编号和位置，
而这些数据在机器人刚进入废墟时，

就应该开始记录。

我们失去了重要的数据。

所以难题就在于收集所有的数据

并交给需要的人。

还有另一个原因。

我们得知一些建筑物——

比如学校、医院、市政府——

在应急响应过程中被不同的机构

检查了四次。

如果我们能够分享机器人收集的数据，

我们不仅能简化响应程序，

缩短响应时间，

我们还可以同时开展多项工作。

（因为）数据是共享的，

我们可以节约时间。

其实，“灾难机器人”这个描述不是很贴切。

因为关键不在于机器人，

而是数据。

（掌声）

交给大家一项任务：

如果之后听到关于灾难的报道，

多关注一下机器人。

它们可能在地下，可能在水底，

也可能在空中，

但是它们肯定在现场。

去找一找机器人的身影，

因为机器人来救援了。

（掌声）