Progrès dans la recherche sur l’interaction humain-robot-ordinateur

L’installation expérimentale automatisée, appelée le Réservoir de remorquage intelligent (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 sur l’interaction humain-robot-ordinateur.

L’ITT effectue, analyse et conçoit automatiquement et de manière adaptative des expériences. Les expériences sont axées sur l’exploration des vibrations induites par les tourbillons (VIV). Les VIV sont importants pour la conception d’ouvrages offshore tels 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 conduit une série d’expériences. Au sein des 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 ou plus 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 33 pieds 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 aurait fallu 950 ans pour terminer l’expérience », a-t-il expliqué.

Afin de 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 génie mécanique de Florez du MIT pour « l’ingéniosité et le jugement créatif exceptionnels » dans le développement de l’ITT.

Selon Michael Triantafyllou, professeur Henry L. et Grace Doherty en sciences et en génie océanique, et également directeur de thèse de Fan, « la conception du Réservoir de remorquage intelligent 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 College.

« Le MIT Sea Grant a engagé des ressources et financé des projets utilisant des méthodes d’apprentissage profond dans des problèmes liés à l’océan depuis plusieurs années, ce qui commence déjà à porter 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 fédéral-institut qui combine la recherche et le génie au MIT pour aider à résoudre les problèmes liés à l’océan,

D’autres contributeurs à l’article comprennent 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.