智能LEGO新玩法

本刊记者 王思佳

随着智能技术的发展，大家意识到，研究智能船必将是未来的大势所趋。自2012年起，国内外船舶智能化、无人化的研究开始提速。然而，各国在具体的研究方向和路径、技术路线和方法以及应用场景等方面，也各不相同。但随着行业探索和研究步伐的深入，智能船舶研究路径犹如那条隐藏在海水下的连接陆地与海岛笔架山的“神路”，尽管还未清晰展现出其真实面貌，但已若隐若现。离潮水褪尽的那天，已经不远了。

提升经济性是前提

近年来，船舶的智能化研究驶入快车道，成果捷报频频。2017年12月，中国船舶工业集团公司研制的全球首艘智能船舶“大智”号交付。2018年11月28日，瓦锡兰无人船“Folgefonn”号渡轮成功完成岸到岸无人航行以及靠泊测试。2018年12月，全球无人船行业领导者罗罗公司和芬兰国有渡轮运营商Finferries合作的全球首艘无人驾驶汽车渡轮“Falco”号试航成功。2019年12月，中远海运集团旗下的全球首艘大型集装箱智能船宣布正式投入商业运营。此外，由奥斯陆上市的挪威LPG运输公司与化肥集团Yara International、船舶自动化系统制造商Kongsberg联合开发的全球首艘全电动无人驾驶集装箱船Yara Birkeland也将于2020年第二季度交付使用。

类似阶段性成果还有很多，从中不难看出，各国对于智能船的技术研究正在从几年前的摸着石头过河朝着更加精准的方向发展，大家对于智能船的认识进一步精确化。但是，尽管目前关于智能船的研究得到了进一步明确，技术上也有了质的飞跃。但是，始终有一个最现实，也是大家最关心的问题横亘在智能船的研发道路中间，始终未得到有效解决，那就是智能船的经济性问题。

武汉理工大学马枫博士表示：“船舶智能化的研发遭受了机械性思维的桎梏，总认为所有环节都应像齿轮一样，一环套一环地向前发展，但实际情况不然。什么意思？例如，如果想要把船舶控制好，行业就认为必须使动力可控性、轨迹控制要达到100%。如果想要把避障做好，必须将感知做到100%没错误。如此一来，尽管船舶智能化了，但因此更改了船舶的动力形式，加装了大量昂贵的感知设备，本身的经济性就大幅拉低，甚至有可能会为企业带去亏损。这样做的结果只会使得研究方与市场形成互相逆合的状态，这反而会阻碍齿轮的正常运转。”

的确，船东最终还是要用效益说话，如果成本问题得不到有效解决，一切都是空谈。如果智能的代价是燃油成本提高50%，维护成本提高100%，那么，减少那点人力成本并没有实际意义。除开人力成本外，业界最关心的还有持续看涨的环保成本，如EEDI等相关规定。马枫博士表示：“在当前的减排压力下，低速机加单机单桨，才是大型运输船的首选形式。当前提供船舶自主控制方案的厂商，则普遍要求电力驱动、全回转推进器以降低控制难度。这两者之间就出现了一个巨大的中间地带，没有人愿意到中间来。这就是为什么智能研究如此艰难。

船舶智能研究的困难，还在于门槛太高。相比于汽车平台几十万的成本，一艘船造价动辄数千万甚至上亿，试错成本过高，也让行业探索相对保守。以智能航行的研发为例，想要寻找一艘大型船舶作为控制对象，涉及动力、桨舵、电气、法规、安全等方方面面，牵扯到很多设备供应商、电气协议、商务协调。事实上，几乎没有哪一个团队能单独控制一条真实的大型货船。这非常不利于行业的发展。所以我们行业实际上最需要的是把这个壁垒降下来，让更多的团队有一个相对统一的研发平台，为船舶智能研发贡献力量。”

在2019年上海海事展CCS智能船技术论坛上，武汉理工大学发布了最新的船舶智能操作系统平台。据介绍，该平台是世界上首个面向船舶智能的操作系统平台，核心技术完全自主可控。该平台基于中国工程院严新平院士“航行脑”系统理念打造，该系统建立了船舶底层电气的兼容通讯模式；打造了导航感知数据的智能辅助协议；建立船舶完整的数字孪生对象，包括仿真和实体；建立了船舶研发智能的统一研发环境。有了这样一个操作系统，智能船舶的软件开发和工程部署就可以相对分离。船舶智能的研发团队，就可专心使用PYTHON等高级语言进行开发，不需再关心底层电气如何运行。这中间所有工作，由船舶智能操作系统平台代劳。这样，就能让不同团队更好地协作，让更多的研发团队获得更真实的研发资源，大幅提高效率。基于该平台，武汉理工大学先行研发出了世界领先的船舶远程驾驶技术（跨域远程驾驶技术），可以使用公网链路实现船舶远程驾驶，并在荷兰、南京、上海等多地对武汉的实验船舶进行了远程操控，打破了驾驶员必须在船上驾驶的边界，为船员适任能力提升提供了新的解决方案。同时，武汉理工大学团队还展示了其内河自主航行技术，该技术可以模拟人工操作，用极小的驱动力操控一艘大质量的实验货运船，进行自主航行、自引自靠。

马枫博士表示：“我们的研究就是想告诉业界，传统型线也能做到智能，传统动力系统也能做到智能。当然，这个有可能只有很内行的人才能看出来。但我坚持认为，能够帮企业省钱的智能才是业界所需的真智能，这样的智能才是有实际意义的智能。”

探寻“小马拉大车”的奥秘

“船舶经过多年的发展，有一个很强的特点，就是它具有较强的经济适用性和自持力。表现在哪里呢？俗话称‘小马拉大车’，用相对弱的动力去推动一艘巨大的船，如此，这艘船才可能创造效益。” 马枫博士表示。

对于当下的半自主、自主航行研究来说，除了动力弱，还必须面对通讯链路的可靠性问题。目前而言，无论是4G 网络或者卫星通讯都不太稳定，经常会出现断线的情况，这种情况即使5G、低轨道卫星技术来了，也不会有本质性改善。因此，具备远程驾驶能力的船舶本身需要具有较强的自主性，不然这个船根本无法使用。换言之，我们的远程驾驶需要可用，就要用“随时中断的链路去实现小马拉大车”。

举个例子，我们开的私家车，功率大约是100千瓦，车重两吨（实际约一吨多一点）。而在内河里，200千瓦已经可以推动一艘大概300吨左右的船舶。“欠驱动”是船的基本特色，也是船经济性的来源。马枫博士解释道：“正是因为船舶的质量很大，但是动力很小，所以表现出来的就是船舶很难开。船舶由于质量大所以惯性大，想停停不住，想动动不起来，这也就是我们特别强调欠驱动，或者叫低推动力，超小推动力。”

很多研究智能的团队，会选用无人艇或者海工船等大功率小吨位船做实验，例如康斯伯格选的就是海工船和拖轮。在马枫博士看来，这是一个相对取巧的思路。因为海工船或者拖轮的动力很大，那么就意味着它的操控性很好，好控制就会很好做试验。“但如果你的船变大了，动力变小了，操控性也会变差，感知-控制难度提升将呈指数级上升。例如，在一条10 米的窄航道，操控小动力的小型货船，任何一个操作失误都会造成碰撞，拉都拉不回来，容错率极低。其次，欠驱动船舶，也很难靠泊。码头岸线有限，常规货船要自主靠上去，且平平地靠上去是非常难的。业界很多人认为这个问题是无解的，包括罗罗公司和瓦锡兰也公开表示这个问题根本解决不了，需要改变动力形式。”

“而我们提出的方案就是想告诉业界，这个问题是可以解决的。我们实验船的型线参考的是大型油轮，母型船是30万吨KVLCC，桨、舵、比例等等都和真实的货船完全一样。我们用大比例模型船实现狭窄航道的自主航行，就是告诉世界，低推重比，货船的自主航行、自主避障、自主靠泊是可以实现的。回归到本源来看，人的智能其实就是能在众多的不确定性中做出准确判断。例如船长并不准确知道船的吨位，不知道船的运动模型，但他依然有能力靠上去。这就是人的智能推测能力，它能在一些不完备的信息上做决定。我们这艘船也一样，不完备体现在驱动不好控，感知不好做，我们把这种最新的人工智能用到船上，包括识别、系统辨识、模型预测等等，于是，大家便可看到这艘船可以自己开，自己靠，自己出港。”

据介绍，2020年末，武汉理工大学团队将把同样的技术放到更大的船舶上做实验。该船为双尾船，总长28米，宽4.8米，型深3.2米，吃水2.4米，方形系数为0.86，航速22千米每小时，动力形式为双机双桨双舵，其型线推重比与运河货船完全一致，并且具备自主航行、自主离泊、自主靠泊、自主系泊、超低能耗、彻底零排放（低速）、超强通过能力的特色。这条船的顺利推进，将为船舶绿色自主航行时代的早日到来奠定坚实基础。

船舶智能研究需从封闭走向开放

实际上，智能早已存在于船舶行业，但为何一直发展缓慢，制约船舶智能化发展的技术瓶颈是什么？在马枫博士看来，过高的行业壁垒，让研究人员之间、研究人员与企业之间难以协作是根本原因。

参考其他领域，机器视觉智能的快速发展，得益于几大互联网公司，如微软、脸书的推动，他们将人脸或者其他目标的图像，标注好放到网上平台，供大家一起研究，从而推动了机器视觉跨越式发展。大家的研究有了公共的平台，效果好坏有了统一的标准，互相之间也形成了良性竞争，让企业选择也有了客观的标准。各个初创公司在比拼视觉识别率、语音识别准确率，也让这个行业有了长足发展。我们船舶领域缺的就是这样一个面向智能研发，统一的平台、框架、数据集。

再回到产品本身，“软件定义产品”也成为任何产品走向智能的必经之路。今天，我们普遍认为手机是当下最智能的产品。而回望十几年前，情况完全不同。当时，各个品牌手机的系统各不相同，功能也千差万别，各有特色。为什么会出现这种现象？正是因为在当时各家都是分离状态，各家干各家的活，软件开发被各个手机厂所垄断。而如今，随着Android和iOS两大生态的出现，情况不同了。手机生产商、软件生产商产生了新的分工。手机生产商不再决定手机的功能，而是由软件厂商决定。这样的分工，进一步加速了软件行业的竞争，也让手机从一个通讯工具，向更多应用领域拓展，这是一个行业内协作的成功案例。

马枫博士表示：“这就反映出一个关键问题，智能化的发展需要有一个带头者将行业生态整合好，把平台搭建好。我们的想法就是把船舶各环节的纵深打穿，做一个类似的平台软件。将智能研究的各个分支都以模块形式放到平台软件上，平台用户需要什么中间件，直接下载使用即可，也可以将自己的算法提交给平台，与其他用户共享。我们团队目前研发的智能船舶操作系统平台就是基于此。目前，平台仅有智能航行部分的功能，还需要长期的发展与完善，需要更多的合作者。希望明年能达到最终的效果，就是让我们智能船的研究从封闭走向开放，如果能把所有东西全部打通，不仅可以提高行业智能研究的效率，减少重复劳动。同时，还将对整个行业的智能化发展起到鲶鱼效应。”

显然，这将形成一个新的智能业态，所有模块都放在那里，如何拼装、如何玩，由你自己决定，就好像玩智能LEGO一般。

“当然，不可否认的是，牵头建立整合行业生态并不是一件容易的事，非常苦又不讨好。但是，一旦这个平台建立起来，将对行业的智能化发展有着极大的助推力。届时，大家都专心研究自己的专业领域就可以了，而且，越专注某一领域的团队将做得越好。”马枫博士坦言。

据了解，目前全球范围内，把智能研究平台化做的最成功团队，当属美国的Open AI。它由Elon Musk、Peter Thiel、Infosys和 亚马逊等共同承诺捐赠10亿美元成立的，专门研究服务于人类的泛化人工智能。Open AI建立了世界最著名的“人工意识”的研究平台GYM，里面包括了约28个标准的测试场景，包括倒立摆、机械臂、人体骨骼等。GYM作为一个开源软件，谁都可以无偿使用、无偿下载。这让全世界研究“人工意识”的团队，有了一个公平竞赛的场地，从而大幅度促进了该研究的进展。如今，我们看到的机器人“大狗”、仿生机器人等，都是从这个平台上获得了极大支持。

Open AI的GYM是一个纯软件仿真环境，可以基于它开发各种仿真环境，直接使用重力、摩擦、流体等各种难以建模的模型，还针对人体躯干、机械臂做了很多DEMO。值得一提的是，当前“人工意识”研究，普遍依靠增强学习反复尝试来获取经验。所以，在实际控制对象上训练意识几乎不可能。所以Open AI提供的GYM环境，给增强学习提供了一个“仿真训练”环境。可以说，GYM已经成为当下“人工意识”、增强学习的事实标准。

然而，GYM属于纯软件，目前并未与实体形成互相联动。其特点是大而全，包罗万象。也正因为此，其在具体的小场景上并不深入。例如，GYM对船舶的支持就很差，没有专门支持船舶的模型和仿真环境。“因此，未来我们的平台，将成为一个船舶版的GYM，比现在Open AI的GYM还要强大。”据马枫博士介绍，他所带领的团队，正在“船舶智能操作系统平台”的基础上打造“航行脑虚实融合测试平台（PALLAS）”。该平台，从目标上与GYM有类似的地方，区别在于该软件是个一专门面向船舶的环境，内置了船舶运动模型、航行规则、船舶型线、航行环境、风浪流耦合模型等。同时，该平台将是一个可以与实际数据形成联动的环境，这也是GYM没有做到的。目前，马枫博士的团队已经在南京、舟山等地建立了多个实体数据采集平台，并把收真实数据实时推送到了云端。PALLAS一旦运转起来，便可以直接与实体数据联动。

“行业有分工，大学的本质工作在于研究与教育，所以我们更关注的是研究领域，我们所做的试验仅限于技术验证。我们所研究出的技术或产品需要孵化平台、转换平台才可走向商业化，走向市场。而这些则需要船级社和其他业内企业或组织去进一步推进和完善。那么，谁有能力来做这个事情呢？大家想想，Android是由谷歌牵头，因为谷歌在那个行业里具有绝对的影响力。我们是大学，自然是没有可以比拟谷歌的影响力，但中国船级社可以担当类似的角色。我们很高兴中国船级社成立了科创中心，我们可以依托中国船级社这个平台，把这个愿景做成船舶行业的一个规划。2020年，我们希望与中国船级社等伙伴一起合作，将该操作系统和测试平台进一步规范化、开放化、云端化，为更多组织机构服务。团队期待与业内外其他团队合作，共同推进船舶智能的发展。”