Progrès dans la recherche humain-robot-ordinateur

L’installation expérimentale automatisée, appelée le Intelligent Towing Tank (ITT), a réalisé environ 100 000 expériences au total au cours de sa première année d’exploitation. Ce qui aurait normalement pris cinq ans à un étudiant en doctorat pour réaliser des expériences, l’ITT a pu le faire en quelques semaines. Le développement de l’ITT au laboratoire d’hydrodynamique du MIT Sea Grant nous amène plus loin dans le domaine de la recherche humain-robot-ordinateur.

L’ITT effectue automatiquement et de manière adaptative des expériences, les analyse et les conçoit. Les expériences se concentrent sur l’exploration des vibrations induites par les tourbillons (VIV). Les VIV sont importants pour l’ingénierie des structures océaniques offshore telles que les risers de forage marin, qui sont responsables de la connexion des puits de pétrole sous-marins à la surface. Avec les VIV, il y a un grand nombre de paramètres impliqués.

L’ITT est guidé par l’apprentissage actif et effectue une série d’expériences. Dans les expériences, les paramètres de chaque expérience suivante sont sélectionnés par un ordinateur. Le système utilise une méthodologie « explorer-et-exploiter » qui aide à réduire considérablement le nombre d’expériences nécessaires pour cartographier et explorer les aspects complexes des VIV.

Le candidat au doctorat Dixia Fan a commencé le projet en cherchant un moyen de réduire les mille expériences qui devaient être menées à la main. Cela a conduit au développement du système ITT.

Un article a été publié le mois dernier dans la revue Science Robotics.

Fan est maintenant un postdoctorant et le projet a été travaillé par une équipe de chercheurs du programme MIT Sea Grant College et du département de génie mécanique du MIT, de l’École normale supérieure de Rennes et de l’Université Brown. Le nouveau projet met en évidence le type de coopération qui peut avoir lieu entre les humains, les ordinateurs et les robots pour faire des découvertes scientifiques à un rythme plus rapide.

L’ITT est un réservoir de 10 mètres et fonctionne sans interruption ni suspension. Les chercheurs aimeraient voir le système utilisé dans diverses disciplines, ce qui pourrait conduire à la création de nouveaux modèles dans les systèmes non linéaires.

L’ITT a permis à Fan et à ses collaborateurs d’explorer un espace paramétrique plus large. « Si nous avions utilisé des techniques traditionnelles pour le problème que nous étudions, il faudrait 950 ans pour terminer l’expérience », a-t-il expliqué.

Pour raccourcir le temps de l’expérience, Fan et l’équipe ont intégré un algorithme d’apprentissage de régression gaussienne dans l’ITT. En faisant cela, les chercheurs ont pu réduire le nombre d’expériences nécessaires, à quelques milliers.

Le système robotique est capable de conduire automatiquement une séquence initiale d’expériences. Il prend ensuite le contrôle partiel des paramètres de l’expérience suivante.

Fan a reçu le prix de l’ingéniosité et du jugement créatif exceptionnel de l’École de génie mécanique du MIT pour le développement de l’ITT.

Selon Michael Triantafyllou, professeur Henry L. et Grace Doherty en sciences et ingénierie océaniques, et également directeur de thèse de Fan, « La conception de l’ITT par Dixia est un exemple exceptionnel de l’utilisation de méthodes nouvelles pour réactiver des domaines matures ».

Triantafyllou était co-auteur de l’article et directeur du programme MIT Sea Grant.

« Le MIT Sea Grant a alloué des ressources et financé des projets utilisant des méthodes d’apprentissage profond dans des problèmes liés à l’océan depuis plusieurs années, et cela porte déjà ses fruits », a-t-il déclaré.

Le MIT est financé par la National Oceanic and Atmospheric Administration et administré par le programme National Sea Grant. Il s’agit d’un partenariat entre un institut fédéral et le MIT qui combine la recherche et l’ingénierie pour aider à résoudre les problèmes liés à l’océan,

D’autres contributeurs à l’article incluent George Karniadakis de l’Université Brown, affilié au MIT Sea Grant ; Gurvan Jodin de l’ENS Rennes ; le candidat au doctorat en génie mécanique du MIT Yu Ma ; et Thomas Consi, Luca Bonfiglio et Lily Keyes du MIT Sea Grant.