Progressi nella ricerca su uomo-robot-computer

La struttura sperimentale automatizzata, chiamata Intelligent Towing Tank (ITT), ha condotto circa 100.000 esperimenti totali nel suo primo anno di attività. Ciò che normalmente richiederebbe a uno studente di dottorato cinque anni per completare, l’ITT è stato in grado di farlo in poche settimane. Lo sviluppo dell’ITT nel laboratorio di idrodinamica del MIT Sea Grant ci porta ulteriormente nell’area della ricerca su uomo-robot-computer.

L’ITT esegue automaticamente e adattivamente esperimenti, li analizza e li progetta. Gli esperimenti sono focalizzati sull’esplorazione delle vibrazioni indotte da vortici (VIV). Le VIV sono importanti per l’ingegneria delle strutture oceaniche offshore, come ad esempio le riserve di perforazione marine, che sono responsabili della connessione dei pozzi petroliferi sottomarini con la superficie. Con le VIV, ci sono un gran numero di parametri coinvolti.

L’ITT è guidato da un’apprendimento attivo e conduce una serie di esperimenti. All’interno degli esperimenti, i parametri per ogni esperimento successivo sono selezionati da un computer. Il sistema utilizza una metodologia “esplora-e-sfrutta”, che aiuta a ridurre notevolmente il numero di esperimenti richiesti per mappare ed esplorare gli aspetti complessi delle VIV.

Il candidato al dottorato Dixia Fan ha iniziato il progetto mentre cercava un modo per ridurre i mille o così esperimenti che dovevano essere condotti a mano. Ciò ha portato allo sviluppo del sistema ITT.

Un articolo è stato pubblicato lo scorso mese sulla rivista Science Robotics.

Fan è ora un postdoc e il progetto è stato lavorato da un team di ricercatori del programma MIT Sea Grant College e del dipartimento di ingegneria meccanica del MIT, dell’École Normale Supérieure de Rennes e della Brown University. Il nuovo progetto 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 serbatoio di 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 in sistemi non lineari.

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

Per abbreviare il lungo tempo che ci vorrebbe per l’esperimento, Fan e il team hanno integrato un algoritmo di apprendimento di regressione Gaussian nel ITT. Facendo ciò, i ricercatori sono stati in grado di ridurre il numero di esperimenti necessari, a poche migliaia.

Il sistema robotico è in grado di condurre automaticamente una sequenza iniziale di esperimenti. Quindi prende il controllo parziale dei parametri dell’esperimento successivo.

Fan ha ricevuto un premio MIT Mechanical Engineering de Florez per “ingegno e giudizio creativo eccezionali” nello sviluppo dell’ITT.

Secondo Michael Triantafyllou, professore Henry L. e Grace Doherty in scienze e ingegneria oceanica e anche consigliere di dottorato di Fan, “la progettazione dell’Intelligent Towing Tank di Dixia è un esempio eccezionale di utilizzo di metodi nuovi per rivitalizzare campi maturi”.

Triantafyllou è coautore dell’articolo e direttore del programma MIT Sea Grant College.

“Il MIT Sea Grant ha impegnato risorse e finanziato progetti che utilizzano metodi di apprendimento profondo in problemi legati all’oceano da diversi anni, che stanno già dando i loro frutti”, ha detto.

Il MIT è finanziato dalla National Oceanic and Atmospheric Administration e amministrato dal National Sea Grant Program. È una partnership tra istituti federali che combina ricerca e ingegneria al MIT per aiutare a risolvere problemi legati all’oceano,

Altri contributori all’articolo includono George Karniadakis della Brown University, affiliato al MIT Sea Grant; Gurvan Jodin dell’ENS Rennes; il candidato al dottorato in ingegneria meccanica del MIT Yu Ma; e Thomas Consi, Luca Bonfiglio e Lily Keyes del MIT Sea Grant.