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 completar dentro de cinco años de experimentos, el ITT pudo hacer dentro de semanas. El desarrollo del ITT en el Laboratorio de Hidrodinámica del MIT Sea Grant nos lleva más allá del 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 (VIVs). Las VIVs son importantes para la ingeniería de estructuras oceánicas offshore como los risers de perforación marina, que son responsables de conectar los pozos de petróleo submarinos con la superficie. Con las VIVs, hay una gran cantidad 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 se seleccionan por una computadora. El sistema utiliza una metodología de “explorar y explotar”, lo que ayuda a reducir significativamente la cantidad de experimentos necesarios para mapear y explorar los aspectos complejos de las VIVs.

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

Un artículo se publicó 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 Subvención del Mar del MIT y del Departamento de Ingeniería Mecánica del 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 33 pies 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 largo tiempo que tomaría el experimento, Fan y el equipo integraron un algoritmo de regresión de proceso gaussiano de aprendizaje en el ITT. Al hacer esto, 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 Florez del MIT por “ingenio y juicio creativo sobresaliente” en el desarrollo del ITT.

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

Triantafyllou fue coautor del artículo y director del Programa de Subvención del Mar del MIT.

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

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

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