Fortschritte in der Mensch-Roboter-Computer-Forschung

Die automatisierte Versuchsanlage, genannt der Intelligent Towing Tank (ITT), führte im ersten Betriebsjahr insgesamt rund 100,000 Experimente durch. Was ein Doktorand normalerweise innerhalb von fünf Jahren an Experimenten erledigen müsste, konnte das ITT innerhalb von Wochen erledigen. Die Entwicklung des ITT im MIT Sea Grant Hydrodynamics Laboratory führt uns weiter in den Bereich der Mensch-Roboter-Computer-Forschung. 

Das ITT führt, analysiert und entwirft Experimente automatisch und adaptiv. Der Schwerpunkt der Experimente liegt auf der Erforschung wirbelinduzierter Vibrationen (VIVs). VIVs sind wichtig für den Bau von Offshore-Ozeanstrukturen wie z. B. Meeresbohrsteigleitungen, die für die Verbindung von Unterwasserölquellen mit der Oberfläche verantwortlich sind. Bei VIVs sind eine Vielzahl von Parametern beteiligt.

Das ITT orientiert sich am aktiven Lernen und führt eine Reihe von Experimenten durch. Innerhalb der Experimente werden die Parameter für jedes nächste Experiment von einem Computer ausgewählt. Das System nutzt eine „Explore-and-Exploit“-Methodik, die dazu beiträgt, die Anzahl der Experimente, die für die Kartierung und Erforschung der komplexen Aspekte von VIVs erforderlich sind, erheblich zu reduzieren.

Doktorandin Dixia Fan begann das Projekt, als sie nach einer Möglichkeit suchte, die rund tausend Experimente zu reduzieren, die manuell durchgeführt werden mussten. Dies führte zur Entwicklung des ITT-Systems. 

Ein Papier wurde letzten Monat in der Zeitschrift veröffentlicht Wissenschaftsrobotik. 

Fan ist jetzt Postdoktorand und das Projekt wurde von einem Forscherteam des MIT Sea Grant College Program und der Fakultät für Maschinenbau des MIT, der École Normale Supérieure de Rennes und der Brown University bearbeitet. Das neue Projekt zeigt, welche Art von Zusammenarbeit 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 Unterbrechung. Die Forscher wünschen sich, dass das System in verschiedenen Disziplinen zum Einsatz kommt, was zur Schaffung neuer Modelle in nichtlinearen Systemen führen könnte. 

Das ITT ermöglichte es Fan und seinen Mitarbeitern, einen größeren parametrischen Raum zu erkunden. „Wenn wir traditionelle Techniken auf das von uns untersuchte Problem anwenden würden, würde es 950 Jahre dauern, bis das Experiment abgeschlossen ist“, erklärte er. 

Um die für das Experiment erforderliche lange Zeit zu verkürzen, integrierten Fan und das Team einen Gaußschen Prozessregressions-Lernalgorithmus in das ITT. Dadurch konnten die Forscher die Anzahl der benötigten Experimente auf einige Tausend reduzieren. 

Das Robotersystem ist in der Lage, eine erste Versuchssequenz automatisch durchzuführen. Anschließend übernimmt es teilweise die Kontrolle über die Parameter des nächsten Experiments. 

Fan wurde mit dem MIT Mechanical Engineering de Florez Award für „herausragenden Einfallsreichtum und kreatives Urteilsvermögen“ bei der Entwicklung des ITT ausgezeichnet. 

Laut Michael Triantafyllou, Henry L. und Grace Doherty-Professor für Meereswissenschaften und -technik und Fans Doktorvater, ist „Dixias Entwurf des Intelligent Towing Tank ein herausragendes Beispiel für den Einsatz neuartiger Methoden zur Wiederbelebung ausgereifter Felder.“

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

„MIT Sea Grant stellt seit mehreren Jahren Ressourcen bereit und finanziert Projekte, die Deep-Learning-Methoden bei Meeresproblemen einsetzen, die sich bereits auszahlen“, 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 Bund und Instituten, die Forschung und Technik am MIT vereint, um bei der Bewältigung ozeanbezogener Probleme zu helfen. 

Zu den weiteren Mitwirkenden des Papiers gehören George Karniadakis von der Brown University, verbunden mit MIT Sea Grant; Gurvan Jodin von der ENS Rennes; MIT-Doktorand im Maschinenbau Yu Ma; und Thomas Consi, Luca Bonfiglio und Lily Keyes vom MIT Sea Grant.