Fortschritte in der Forschung zu Mensch-Roboter-Computer

Die automatisierte experimentelle Anlage, genannt Intelligent Towing Tank (ITT), führte in ihrem ersten Betriebsjahr etwa 100.000 Experimente durch. Was normalerweise ein PhD-Student in fünf Jahren Experimenten erledigen würde, konnte die ITT innerhalb von Wochen erledigen. Die Entwicklung der ITT im MIT Sea Grant Hydrodynamics Laboratory bringt uns weiter in die Forschung zu Mensch-Roboter-Computer.

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

Die 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-Ausnutzen”-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 etwa tausend 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 Department of Mechanical Engineering, École Normale Supérieure de Rennes und Brown University bearbeitet. Das neue Projekt zeigt die Art der Zusammenarbeit, die zwischen Menschen, Computern und Robotern stattfinden kann, um wissenschaftliche Entdeckungen schneller zu machen.

Die ITT ist ein 10-Meter-Tank, und sie arbeitet ohne Unterbrechung oder Pause. Die Forscher würden gerne sehen, dass das System in verschiedenen Disziplinen eingesetzt wird, was zur Schaffung neuer Modelle in nichtlinearen Systemen führen könnte.

Die ITT ermöglichte es Fan und seinen Mitarbeitern, einen breiteren parametrischen Raum zu erforschen. “Wenn wir traditionelle Techniken auf das Problem anwenden, 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, integrierte Fan und das Team einen Gaussian-Process-Regression-Lernalgorithmus in die ITT. Durch diese Maßnahme konnten die Forscher die Anzahl der erforderlichen Experimente auf einige Tausend reduzieren.

Das robotische System kann automatisch eine anfängliche Sequenz von Experimenten durchführen. Es übernimmt dann die teilweise Kontrolle über die Parameter des nächsten Experiments.

Fan erhielt den MIT Mechanical Engineering de Florez Award für “außergewöhnliche Erfindungsgabe und kreative Urteilsfähigkeit” bei der Entwicklung der ITT.

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 finanziert, die tiefere Lernmethoden bei ozeanbezogenen Problemen verwenden, und dies hat bereits Früchte getragen”, 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 zu lösen,

Weitere Mitwirkende an dem Artikel 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 Bereich Maschinenbau Yu Ma; und Thomas Consi, Luca Bonfiglio und Lily Keyes vom MIT Sea Grant.