Progressi nella ricerca uomo-robot-computer

La struttura sperimentale automatizzata, chiamata il serbatoio di traino intelligente (ITT), ha condotto circa 100,000 esperimenti totali nel suo primo anno di attività. Quello che normalmente uno studente di dottorato richiederebbe per completare in cinque anni di esperimenti, l'ITT è stato in grado di farlo in poche settimane. Lo sviluppo dell'ITT nel MIT Sea Grant Hydrodynamics Laboratory ci porta ulteriormente nell'area della ricerca uomo-robot-computer. 

L'ITT esegue, analizza e progetta automaticamente e in modo adattivo gli esperimenti. Gli esperimenti sono incentrati sull'esplorazione delle vibrazioni indotte dai vortici (VIV). I VIV sono importanti per progettare strutture oceaniche offshore come i riser di perforazione marina, che sono responsabili del collegamento dei pozzi petroliferi sottomarini alla superficie. Con i VIV, sono coinvolti un numero elevato di parametri.

L'ITT è guidato dall'apprendimento attivo e conduce una serie di esperimenti. All'interno degli esperimenti, i parametri per ogni esperimento successivo vengono selezionati da un computer. Il sistema utilizza una metodologia "esplora e sfrutta", che aiuta a ridurre notevolmente il numero di esperimenti necessari per mappare ed esplorare gli aspetti complessi dei VIV.

La dottoranda Dixia Fan ha iniziato il progetto mentre cercava un modo per ridurre il migliaio di esperimenti che dovevano essere condotti a mano. Ciò ha portato allo sviluppo del sistema ITT. 

Un documento è stato pubblicato il mese scorso sulla rivista Scienza Robotica. 

Fan è ora un postdoc e il progetto è stato elaborato da un team di ricercatori del MIT Sea Grant College Program e del Dipartimento di ingegneria meccanica del MIT, École Normale Supérieure de Rennes e Brown University. Il nuovo progetto mette in mostra il tipo di cooperazione che può avvenire tra esseri umani, computer e robot per fare scoperte scientifiche a un ritmo più veloce.

L'ITT è un carro armato da 33 piedi e funziona senza interruzioni o sospensioni. I ricercatori vorrebbero vedere il sistema utilizzato in una varietà di discipline diverse, il che potrebbe portare alla creazione di nuovi modelli nei sistemi non lineari. 

L'ITT ha permesso a Fan e ai suoi collaboratori di esplorare uno spazio parametrico più ampio. "Se eseguissimo tecniche tradizionali sul problema che studiamo, ci vorrebbero 950 anni per completare l'esperimento", ha spiegato. 

Per ridurre il tempo necessario per l'esperimento, Fan e il team hanno integrato nell'ITT un algoritmo di apprendimento della regressione del processo gaussiano. In questo modo, i ricercatori sono stati in grado di ridurre la quantità di esperimenti necessari, fino a poche migliaia. 

Il sistema robotico è in grado di condurre automaticamente una sequenza iniziale di esperimenti. Prende quindi il controllo parziale sui parametri del prossimo esperimento. 

Fan ha ricevuto un MIT Mechanical Engineering de Florez Award per "Outstanding Ingenuity and Creative Judgement" nello sviluppo dell'ITT. 

Secondo Michael Triantafyllou, Henry L. e Grace Doherty professore di scienze e ingegneria oceanica, nonché consulente di dottorato di Fan, "il progetto di Dixia dell'Intelligent Towing Tank è un esempio eccezionale dell'utilizzo di nuovi metodi per rinvigorire i campi maturi".

Triantafyllou è stato coautore del documento e direttore del programma Sea Grant College del MIT. 

"Il MIT Sea Grant ha impegnato risorse e finanziato progetti utilizzando metodi di apprendimento approfondito in problemi legati agli oceani per diversi anni che stanno già dando i loro frutti", ha affermato.

Il MIT è finanziato dalla National Oceanic and Atmospheric Administration e amministrato dal National Sea Grant Program. È una partnership tra istituti federali che unisce ricerca e ingegneria al MIT per aiutare ad affrontare i problemi legati agli oceani, 

Altri contributori al documento includono George Karniadakis della Brown University, affiliata al MIT Sea Grant; Gurvan Jodin dell'ENS Rennes; dottorando al MIT in ingegneria meccanica Yu Ma; e Thomas Consi, Luca Bonfiglio e Lily Keyes del MIT Sea Grant.