Fortschritte in der Human-Robot-Computer-Forschung

Die automatisierte Experimentieranlage, genannt Intelligent Towing Tank (ITT), führte in ihrem ersten Betriebsjahr etwa 100.000 Experimente durch. Was normalerweise ein PhD-Student innerhalb von fünf Jahren mit Experimenten erreichen würde, konnte der ITT innerhalb weniger Wochen erreichen. Die Entwicklung des ITT im MIT Sea Grant Hydrodynamics Laboratory bringt uns weiter in den Bereich der Human-Robot-Computer-Forschung.

Der ITT führt automatisch und adaptiv Experimente durch, analysiert und entwirft sie. Die Experimente konzentrieren sich auf die Erforschung von Wirbel-induzierten Schwingungen (VIVs). VIVs sind wichtig für die Konstruktion von Offshore-Ozeanstrukturen wie Meerwasser-Bohrinseln, die für die Verbindung von Unterwasser-Ölquellen mit der Oberfläche verantwortlich sind. Bei VIVs sind eine große Anzahl von Parametern beteiligt.

Der ITT wird von aktiver Lernfähigkeit geleitet und führt eine Reihe von Experimenten durch. Innerhalb der Experimente werden die Parameter für jedes nächste Experiment von einem Computer ausgewählt. Das System verwendet eine “Explorieren-und-Ausbeuten”-Methode, die die Anzahl der erforderlichen Experimente für die Kartierung und Erforschung der komplexen Aspekte von VIVs erheblich reduziert.

Der PhD-Kandidat Dixia Fan begann das Projekt, als er nach einer Möglichkeit suchte, die tausend oder so Experimente, die von Hand durchgeführt werden mussten, zu reduzieren. Dies führte zur Entwicklung des ITT-Systems.

Ein Artikel wurde letzte Woche in der Zeitschrift Science Robotics veröffentlicht.

Fan ist jetzt ein Postdoc, und das Projekt wurde von einem Team von Forschern des MIT Sea Grant College Program und des MIT-Maschinenbaus, der École Normale Supérieure de Rennes und der Brown University bearbeitet. Das neue Projekt zeigt die Art von Kooperation, die zwischen Menschen, Computern und Robotern stattfinden kann, um wissenschaftliche Entdeckungen schneller zu machen.

Der ITT ist ein 33-Fuß-Tank und arbeitet ohne Unterbrechung oder Aussetzung. Die Forscher würden gerne sehen, dass das System in verschiedenen Disziplinen eingesetzt wird, was zur Schaffung neuer Modelle in nichtlinearen Systemen führen könnte.

Der ITT ermöglichte es Fan und seinen Mitarbeitern, einen breiteren parametrischen Raum zu erforschen. “Wenn wir traditionelle Techniken auf das Problem anwendeten, das wir studieren, würde es 950 Jahre dauern, das Experiment abzuschließen”, erklärte er.

Um die lange Zeit, die für das Experiment benötigt wird, zu verkürzen, integrierten Fan und das Team einen Gaussian-Prozess-Regression-Lernalgorithmus in den ITT. Durch diese Maßnahme konnten die Forscher die Anzahl der erforderlichen Experimente auf einige Tausend reduzieren.

Das Roboter-System ist in der Lage, automatisch eine anfängliche Sequenz von Experimenten durchzuführen. Es übernimmt dann die teilweise Kontrolle über die Parameter des nächsten Experiments.

Fan wurde mit dem MIT-Maschinenbaupreis de Florez für “außergewöhnliche Erfindungsgabe und kreative Urteilsfähigkeit” bei der Entwicklung des ITT ausgezeichnet.

Laut Michael Triantafyllou, Henry L. und Grace Doherty Professor für Ozeanwissenschaft und -technik und auch Fans Doktorvater, “ist Dixias Design des Intelligent Towing Tank ein herausragendes Beispiel für die Verwendung neuer Methoden, um etablierte Forschungsbereiche zu beleben”.

Triantafyllou war Co-Autor des Artikels und Direktor des MIT Sea Grant College Program.

“Das MIT Sea Grant hat Ressourcen bereitgestellt und Projekte mit Deep-Learning-Methoden in ozeanbezogenen Problemen für mehrere Jahre finanziert, die bereits Früchte tragen”, sagte er.

Das MIT wird von der National Oceanic and Atmospheric Administration finanziert und vom National Sea Grant Program verwaltet. Es handelt sich um eine Partnerschaft zwischen Forschung und Ingenieurwesen am MIT, um ozeanbezogene Probleme anzugehen.

Weitere Mitwirkende des Artikels sind George Karniadakis von der Brown University, der mit dem MIT Sea Grant verbunden ist; Gurvan Jodin von der ENS Rennes; der MIT-PhD-Kandidat im Maschinenbau Yu Ma; und Thomas Consi, Luca Bonfiglio und Lily Keyes vom MIT Sea Grant.