从行星探索到群体机器人侦测地雷，Raspberry-Pi驱动的机器海龟应用可能性是无止境的...

机器学习、树莓派(Raspberry Pi)开发板和海龟，都是令人感兴趣的聊天话题，但这三者之间似乎没有太多共同之处。然而，令人惊喜的是，美国亚利桑那州立大学(Arizona State University；ASU)的研究人员结合了这三项元素，从而将一连串有趣的对话转变成为一群可以在沙地上爬行并找到地雷的小型机器海龟。

在开发过程中，研究人员们还探索了许多新发现，包括海龟的鳍状肢如何从数百万年的尝试中发展形成，并证实是像海龟般庞大笨重的身驱移动时最有效率的方式。

具有自我学习系统(以机器学习为基础)的海龟可以美化许多不同的景观，包括各种陆地以及甚至是火星等粗糙的行星表面景观 

C-Turtle计划一开始是探索如何结合计算机科学、生物学和工程学以解决设计挑战的方法。在此例中，研究人员的目标是开发一种能够轻松穿越具有不同密度与未知组成的沙子和其他松散颗粒的机器人。这其实是一个比表面上看起来更困难的任务。传统的机器人设计通常使用模拟的方式开发运动策略，然后经由建构与编程，让机器人得以实现该策略。然而，这种途径不仅昂贵、耗时，而且必须具备大量的机器人编程技术，才得以实现。

亚利桑那州立大学的研究团队选择采取不同的途径。他们并未先试着开发策略，而是确定最具效率的运动方法之关键在于打造一款低成本的机器人，从复制生物学解决问题开始。特别是，研究人员着手这项计划的灵感来自于观察真的海龟如何在陆地上移动。

接着，研究人员为机器人增加可在10美元的Raspberry Pi上运作的自我学习计算机算法，这是最终可以达到最有效移动的方式。研究人员最后终于以极低成本打造出这款以Raspberry-Pi启动的自我学习C-Turtle，大约只花费70美元的零件，包括驱体和脚蹼，以及仅约1小时的沙坑或实地训练，就能让这个机器海龟C-Turtles以最有效的方式学习推动自己前进。

亚利桑那州立大学计算机、信息与决策系统工程系助理教授Heni Ben Amor说：“从我的角度来看，这是十分吸引人的方法。如果我们能从大自然得到灵感与技巧，它就能更迅速地学习。你可以利用大自然最初的灵感，让事情顺利发展。”

然而，研究团队的兴趣不仅在于解决运动挑战。该计划的目的在于以开发机器人作为练习，以便测试各种假设与解答问题。例如，其中一个问题是关于海龟的鳍状肢和驱体设计元素是否真的在陆地上更有效率。海龟使用最适合水上推进设计的脚蹼。对于主要在海洋中生活的海龟——一般约几英呎宽且重达数百到千磅以上，使用柔软的弧形脚蹼拖曳自己穿过沙地，似乎无法提供良好的牵引力和有效率的运动。 

但是，这种船桨状的鳍状肢、椭圆形的身驱和平滑的腹壳在陆地上更有效率。该计划研究人员ASU进化生物博士候选人Andrew Janssen说：“海龟是巨大的动物，他们能轻松地穿过沙滩。事实证明，海龟的鳍状肢比方形的船桨更好用。” 

低成本的架构和自我学习算法让研究人员们快速尝试各种鳍状肢设计选项，并且让机器人发展出每个设计可实现的最有效运动型态。研究成果将在今夏于麻省理工学院(MIT)和斯坦福大学(Stanford Univresity)发表两篇关于C-Turtle计划的论文。一篇论文将比较机器人设计与生物灵感，另一篇将描述在实验室和实际条件下的算法学习过程。 

同时，该研究团队也开始为C-Turtle启发的机器人思考其他可能的应用。因为它能快速地适应所处的地形，所以机器人可以作为诸如在火星等行星上进行探测的运输工具，尤其是行星表面的特征无法预先掌握。另一方面，机器人的低成本使其适用于寻找地雷等危险的行动。以一群可能自行适应地形的机器人穿越一个地区时，如果发生爆炸，就能让损失降至最小。

亚利桑那州立大学的多学科实验计划是一连串生物学启发机器人和机器学习发现新事务的一部份。美国军方也一直在探索生物启发的飞行机器人和无人机，以解决许多最新的机器人挑战。随着机器学习技术进展，计算机资源将会变得更小、更便宜且易于编程。从行星探索到群体机器人地雷感测，可能性是无止境的。