鲸类翻译计划——用无人机解码抹香鲸的“语言”

抹香鲸是一种体型庞大的海洋哺乳动物，属于鲸目中的齿鲸类。它们以捕食鱿鱼和其他深海生物为主，其发声系统极为复杂，能通过超声波进行沟通，甚至可能具有一定的社交结构。由于其栖息地广泛且面临人类活动的威胁，抹香鲸的保护愈发受到关注。上图：亚速尔群岛海域的一头抹香鲸。©摄影：王敏幹（John MK Wong） | 绿会融媒·“海洋与湿地”科学家们对海洋生物的研究越来越深入，特别是对抹香鲸这种神秘的海洋动物的观察和理解，已经成为生物学家和生态学家的重点工作。虽然科学家们尝试了很多方法来监测和研究鲸鱼，但传统的观测方式仍然面临不少挑战和困难。不过，随着科技的不断进步，新技术和新方法也随之而来，尤其是自主机器人和强化学习技术的结合，为追踪和观察鲸鱼提供了新的可能性。

先来看看传统的鲸鱼观测的挑战。

我们都知道，鲸鱼，尤其是抹香鲸，由于它们深潜的习性，让观测变得相当困难。这些海洋哺乳动物能够在水下待上几十分钟、甚至几个小时，这使得观察者很难预测它们什么时候会浮出水面，导致很多观测机会都被错过了。此外，鲸鱼生活在广阔的海洋中，活动范围非常大，这就让追踪和定位变得更加复杂了。

在大海中，鲸鱼的外观难以识别，尤其在快速移动或远离观察者时，捕捉到清晰的图像或视频十分不易。同时，气象和海洋条件（如风浪、能见度等）会影响观测质量和效果，给数据收集带来额外的挑战。尽管已有多种技术手段（如船只、潜水器和无人机）用于鲸鱼观测，但这些设备的使用成本较高，且在复杂的海洋环境中，设备的可靠性和有效性也可能受到制约。

更重要的是，鲸鱼的社交行为复杂多变，研究者需要深入了解这些行为，才能准确解读观测数据。此外，收集到的声学和视频数据量庞大，分析和解读这些数据需要高水平的技术和专业知识。而在观测过程中，干扰鲸鱼的自然行为是一个重要的伦理考量，研究者必须采取措施，确保不会对鲸鱼造成负面影响。

于是乎，随着新技术的崛起，CETI项目应运而生。

针对以上传统观测方法的挑战，哈佛大学约翰·A·保尔森工程与应用科学学院（SEAS）的研究团队提出了一种新的解决方案。该团队在项目CETI（鲸类翻译计划）中，利用自主无人机结合强化学习框架，成功开发出一种新的追踪抹香鲸和预测其浮出水面的技术。这项研究的成果于2024年10月30日在《科学机器人》杂志上发表。

具体来说，鲸类翻译计划（Cetacean Translation Initiative，简称Project CETI）是一个旨在深入理解鲸鱼（尤其是抹香鲸）沟通方式的科研项目。这个计划的目标是收集大量高质量的鲸鱼叫声数据，试图解码它们的声音和行为，以揭示鲸鱼之间的交流方式。这一计划通过使用各种先进技术，如无人机和传感器，来追踪和记录鲸鱼的声音。这些声音数据将帮助研究人员了解鲸鱼的社会结构、情感交流以及其他行为模式。通过对鲸鱼叫声的分析，科学家们希望能逐步揭示这些神秘生物的内心世界和它们在海洋生态系统中的重要角色。

该团队最新发表的一篇论文。图源：Science Robotics

CETI项目的目标是收集数百万、到数十亿条****高质量、且富有“上下文信息”的鲸鱼发声数据，以便更深入地了解抹香鲸的交流方式。不过，若想找到这些鲸鱼、并准确预测它们何时、何地会浮出水面，从而捕捉到有价值的数据，一直以来都是一项重大挑战。为了解决这个难题，研究团队提出了一种新的强化学习框架，结合了自主无人机技术。

该研究利用各种感知设备，例如具有超高频（VHF）信号感知能力的项目CETI无人机，结合信号相位和无人机运动，模拟“空中天线阵列”，以估算从鲸鱼标签接收到的信号方向。研究表明，通过这些传感器数据以及抹香鲸潜水行为的预测模型，可以有效预测鲸鱼何时会浮出水面。这为项目CETI设计无人机与鲸鱼高效会合的算法提供了依据。

研究团队提出的“自主机器人追踪与会合”的框架，称为AVATARS（自主车辆进行鲸鱼追踪与会合的遥感），共同开发了自主性与感知的两个相互关联的组件：自主性模块负责确定自主机器人的位置指令，以最大化视觉鲸鱼会合的机会；感知模块则测量鲸鱼标签的到达角度，以指导决策过程。通过结合自主无人机与水面标签的测量、现有水下传感器的声学到达角度（AOA）以及先前生物学研究中获得的抹香鲸运动模型，AVATARS自主决策算法旨在尽量减少与鲸鱼会合的机会损失。

强化学习框架的优势，是显而易见的。

AVATARS是第一个将VHF信号感知与强化学习决策结合起来，以最大化机器人与海洋鲸鱼会合的项目。这个框架通过实时感知，类似于共享打车应用中的即时匹配功能，可以动态追踪鲸鱼的运动轨迹，并协调无人机与鲸鱼在水面上的“会合”时机。

这项研究不仅推进了CETI项目在收集高质量、富有上下文的鲸鱼声音数据方面的目标，还为海洋保护提供了潜在的应用方案。通过精准追踪鲸鱼的位置，可以有效帮助船只避免与鲸鱼相撞，从而有助于保护鲸鱼安全（减少撞击事件）、维持生态系统的健康。

哈佛大学计算机科学助理教授斯蒂芬妮·吉尔（Stephanie Gil）表示：“我很高兴能为CETI的这一突破贡献力量。通过利用自主系统和先进的传感器集成，我们能够解决在自然栖息地中追踪和研究鲸鱼的关键挑战。这不仅是技术的进步，也是帮助我们理解这些生物复杂交流和行为的重要一步。”

项目CETI创始人兼负责人大卫·格鲁伯（David Gruber）指出：“这项研究是项目CETI使命中的一个重要里程碑。我们现在可以显著提升获取高质量和大规模鲸鱼发声数据集的能力，并为更好地倾听和翻译抹香鲸的交流迈出一步。”

从实地测试与验证来看，该研究团队在海洋环境中进行了多项实地实验。首次实验中，使用快艇模拟鲸鱼的运动轨迹，并以VHF标签进行标记。实验结果表明，感知模块的方向误差中位数为10.55度，结合声学传感器获得的方向测量和感知模块的数据，三台机器人的会合成功率达到了81.31%。而在后续的实验中，使用声学数据追踪三只未标记的抹香鲸，两台机器人的会合成功率也达到了68.68%。

该研究的实地测试不仅验证了AVATARS框架的有效性，也为未来鲸鱼观察技术的应用提供了依据。哈佛大学的博士生尼纳德·贾达夫（Ninad Jadhav）表示：“这项研究为我们提供了一个绝佳的机会，在具有挑战性的海洋环境中测试我们的系统和算法。这种跨学科的工作结合了无线传感、人工智能和海洋生物学，是机器人技术在解码抹香鲸社会行为方面解决方案的一个重要示例。”

随着技术的不断进步，鲸鱼观测与研究的未来充满希望。项目CETI所提出的基于强化学习的自主机器人追踪框架，标志着鲸鱼研究进入了一个新的时代。这种技术，不仅提升了观测的准确性与效率，也为鲸鱼的保护工作提供了新思路。

结合自主机器人和强化学习技术的鲸鱼观测新方法，正在为海洋生态的保护与可持续发展开辟崭新的道路。通过对抹香鲸行为的深入研究，将能够更好地理解其社交行为和生态习性，从而为鲸鱼的保护和管理提供科学依据。未来，随着数据收集技术的不断完善和算法的持续优化，笔者相信科学家将能更加深入地探索鲸鱼的世界，推动海洋生物学和生态保护的发展。

（注：本文仅代表资讯，不代表平台观点。欢迎留言、讨论。）

资讯源 | Science Robotics, CETI项目等
编译| 王芊佳

编辑 | 绿茵

排版 | 绿叶

参考资料略