Fremgang i menneske-robot-computer-forskning

Den automatiserede eksperimentelle facilitet, kaldet den Intelligente Towing Tank (ITT), udførte omkring 100.000 eksperimenter i dets første år. Hvad der normalt ville tage en ph.d.-studerende fem år at gennemføre, kunne ITT gøre på få uger. Udviklingen af ITT i MIT Sea Grant Hydrodynamics Laboratory fører os dybere ind i området for menneske-robot-computer-forskning.

ITT udfører, analyserer og designer eksperimenter automatisk og adaptivt. Eksperimenterne fokuserer på at udforske vortex-induceret vibration (VIV). VIV er vigtigt for ingeniører, der arbejder med offshore-ocean-strukturer såsom marine bore-rør, der er ansvarlige for at forbinde undervands olie-borehuller til overfladen. Med VIV er der mange parametre involveret.

ITT er styret af aktiv læring og udfører en række eksperimenter. Inden for eksperimenterne vælges parametrene for hvert næste eksperiment af en computer. Systemet bruger en “eksplorere-og-udnytte”-metode, der hjælper med at reducere antallet af eksperimenter, der kræves for at kortlægge og udforske de komplekse aspekter af VIV.

Ph.d.-kandidat Dixia Fan startede projektet, da han ledte efter en måde at reducere de tusinder af eksperimenter, der skulle udføres manuelt. Dette førte til udviklingen af ITT-systemet.

En artikel blev offentliggjort sidste måned i tidsskriftet Science Robotics.

Fan er nu en postdoc, og projektet blev arbejdet på af et hold af forskere fra MIT Sea Grant College Program og MIT’s afdeling for mekanisk ingeniørvidenskab, École Normale Supérieure de Rennes og Brown University. Det nye projekt viser den type samarbejde, der kan finde sted mellem mennesker, computere og robotter for at gøre videnskabelige opdagelser på en hurtigere måde.

ITT er en 33-fod tank, og det fungerer uden afbrydelse eller suspension. Forskerne ønsker at se systemet brugt i en række forskellige discipliner, hvilket kunne føre til skabelsen af nye modeller i ikke-lineære systemer.

ITT gav Fan og hans samarbejdspartnere mulighed for at udforske et bredere parametrerum. “Hvis vi udførte traditionelle teknikker på det problem, vi studerer, ville det tage 950 år at fuldføre eksperimentet,” forklarede han.

For at forkorte den lange tid, det ville tage for eksperimentet, integrerede Fan og holdet en Gaussian process regression-læringsalgoritme i ITT. Dette gjorde det muligt for forskerne at reducere antallet af eksperimenter, der var nødvendige, ned til få tusinder.

Det robotiske system er i stand til automatisk at udføre en initial række eksperimenter. Derefter tager det delvis kontrol over parametrene for det næste eksperiment.

Fan modtog en MIT Mechanical Engineering de Florez Award for “Outstanding Ingenuity and Creative Judgement” for udviklingen af ITT.

Ifølge Michael Triantafyllou, Henry L. og Grace Doherty Professor i Ocean Science og Ingeniørvidenskab, og også Fans doktorvejleder, “Dixias design af den Intelligente Towing Tank er et fremragende eksempel på brug af nye metoder til at genskabe modne fagområder.”

Triantafyllou var medforfatter på artiklen og direktør for MIT Sea Grant College Program.

“MIT Sea Grant har tilført ressourcer og finansieret projekter, der bruger dyb-læring-metoder i ocean-relaterede problemer i flere år, og det betaler allerede af,” sagde han.

MIT er finansieret af National Oceanic and Atmospheric Administration og administreret af National Sea Grant Program. Det er et føderalt-institut-partnerskab, der kombinerer forskning og ingeniørvidenskab på MIT for at hjælpe med at tackle ocean-relaterede problemer,

Andre bidragydere til artiklen inkluderer George Karniadakis fra Brown University, tilknyttet MIT Sea Grant; Gurvan Jodin fra ENS Rennes; MIT-ph.d.-kandidat i mekanisk ingeniørvidenskab Yu Ma; og Thomas Consi, Luca Bonfiglio og Lily Keyes fra MIT Sea Grant.