Avances en la investigación de humano-robot-computadora

La instalación experimental automatizada, llamada el Tanque de Remolque Inteligente (ITT), realizó alrededor de 100,000 experimentos totales en su primer año de operación. Lo que normalmente tomaría a un estudiante de doctorado cinco años de experimentos, el ITT pudo hacerlo en semanas. El desarrollo del ITT en el Laboratorio de Hidrodinámica del MIT Sea Grant nos lleva más allá en el área de investigación de humano-robot-computadora.

El ITT realiza, analiza y diseña experimentos de manera automática y adaptativa. Los experimentos se centran en explorar las vibraciones inducidas por vórtices (VIV). Las VIV son importantes para la ingeniería de estructuras oceánicas offshore, como las riseras de perforación marina, que son responsables de conectar los pozos de petróleo submarinos con la superficie. Con las VIV, hay un gran número de parámetros involucrados.

El ITT está guiado por el aprendizaje activo y conduce una serie de experimentos. Dentro de los experimentos, los parámetros para cada experimento siguiente son seleccionados por una computadora. El sistema utiliza una metodología de “explorar y explotar”, lo que ayuda a reducir significativamente el número de experimentos necesarios para mapear y explorar los aspectos complejos de las VIV.

El candidato a doctorado Dixia Fan comenzó el proyecto mientras buscaba una forma de reducir los mil experimentos que necesitaban ser realizados a mano. Eso llevó al desarrollo del sistema ITT.

Un artículo fue publicado el mes pasado en la revista Science Robotics.

Fan ahora es un postdoctorado, y el proyecto fue trabajado por un equipo de investigadores del Programa de MIT Sea Grant College y del Departamento de Ingeniería Mecánica de MIT, École Normale Supérieure de Rennes y la Universidad de Brown. El nuevo proyecto muestra el tipo de cooperación que puede tener lugar entre humanos, computadoras y robots para hacer descubrimientos científicos a un ritmo más rápido.

El ITT es un tanque de 10 metros y funciona sin interrupción ni suspensión. Los investigadores les gustaría ver el sistema utilizado en una variedad de disciplinas diferentes, lo que podría llevar a la creación de nuevos modelos en sistemas no lineales.

El ITT permitió a Fan y sus colaboradores explorar un espacio paramétrico más amplio. “Si realizáramos técnicas tradicionales en el problema que estudiamos, tomaría 950 años terminar el experimento”, explicó.

Para acortar el tiempo que tomaría el experimento, Fan y el equipo integraron un algoritmo de regresión de proceso gaussiano de aprendizaje en el ITT. Al hacerlo, los investigadores pudieron reducir la cantidad de experimentos necesarios, a solo unos pocos miles.

El sistema robótico es capaz de realizar automáticamente una secuencia inicial de experimentos. Luego toma el control parcial de los parámetros del siguiente experimento.

Fan recibió un premio de ingeniería mecánica de MIT de Florez por “ingenio y juicio creativo sobresaliente” en el desarrollo del ITT.

Según Michael Triantafyllou, profesor de Ciencia y Ingeniería Oceánica Henry L. y Grace Doherty, y también asesor doctoral de Fan, “el diseño de Dixia del Tanque de Remolque Inteligente es un ejemplo sobresaliente de usar métodos novedosos para revitalizar campos maduros”.

Triantafyllou fue coautor del artículo y director del Programa de MIT Sea Grant College.

“MIT Sea Grant ha comprometido recursos y financiado proyectos que utilizan métodos de aprendizaje profundo en problemas relacionados con el océano durante varios años, lo que ya está dando resultados”, dijo.

MIT está financiado por la Administración Nacional de Océanos y Atmósfera y administrado por el Programa Nacional de Subvenciones del Mar. Es una asociación entre instituciones federales que combina investigación y ingeniería en MIT para ayudar a abordar problemas relacionados con el océano,

Otros contribuyentes al artículo incluyen a George Karniadakis de la Universidad de Brown, afiliado a MIT Sea Grant; Gurvan Jodin de ENS Rennes; el candidato a doctorado en ingeniería mecánica de MIT Yu Ma; y Thomas Consi, Luca Bonfiglio y Lily Keyes de MIT Sea Grant.