Avanços em Pesquisa de Humanos-Robôs-Computadores

A instalação experimental automatizada, chamada de Tanque de Rebocagem Inteligente (ITT), realizou cerca de 100.000 experimentos totais em seu primeiro ano de operação. O que normalmente levaria um estudante de doutorado cinco anos para completar, o ITT foi capaz de fazer em semanas. O desenvolvimento do ITT no Laboratório de Hidrodinâmica do MIT Sea Grant nos leva mais longe na área de pesquisa de humanos-robôs-computadores.

O ITT executa, analisa e projeta experimentos de forma automática e adaptativa. Os experimentos são focados em explorar vibrações induzidas por vórtices (VIVs). VIVs são importantes para a engenharia de estruturas oceânicas offshore, como risers de perfuração marinha, que são responsáveis por conectar poços de petróleo submersos à superfície. Com VIVs, há um grande número de parâmetros envolvidos.

O ITT é guiado por aprendizado ativo e realiza uma série de experimentos. Dentro dos experimentos, os parâmetros para cada experimento seguinte são selecionados por um computador. O sistema usa uma metodologia de “explorar e explorar”, que ajuda a reduzir significativamente o número de experimentos necessários para mapear e explorar os aspectos complexos dos VIVs.

O candidato a doutorado Dixia Fan começou o projeto enquanto procurava uma maneira de reduzir os milhares de experimentos que precisavam ser realizados manualmente. Isso levou ao desenvolvimento do sistema ITT.

Um artigo foi publicado no mês passado na revista Science Robotics.

Fan agora é um pós-doutorado e o projeto foi trabalhado por uma equipe de pesquisadores do Programa de Bolsas de Estudo do MIT Sea Grant e do Departamento de Engenharia Mecânica do MIT, École Normale Supérieure de Rennes e Brown University. O novo projeto mostra o tipo de cooperação que pode ocorrer entre humanos, computadores e robôs para fazer descobertas científicas em um ritmo mais rápido.

O ITT é um tanque de 10 metros e funciona sem interrupção ou suspensão. Os pesquisadores gostariam de ver o sistema usado em uma variedade de disciplinas diferentes, o que poderia levar à criação de novos modelos em sistemas não lineares.

O ITT permitiu que Fan e seus colaboradores explorassem um espaço paramétrico mais amplo. “Se realizássemos técnicas tradicionais no problema que estudamos, levaria 950 anos para concluir o experimento”, explicou ele.

Para encurtar o longo tempo que levaria para o experimento, Fan e a equipe integraram um algoritmo de aprendizado de regressão de processo gaussiano no ITT. Ao fazer isso, os pesquisadores foram capazes de reduzir a quantidade de experimentos necessários, para apenas alguns milhares.

O sistema robótico é capaz de realizar automaticamente uma sequência inicial de experimentos. Em seguida, assume o controle parcial dos parâmetros do próximo experimento.

Fan foi premiado com o Prêmio de Engenharia Mecânica do MIT de Florez por “Ingenuidade e Julgamento Criativo Excepcionais” no desenvolvimento do ITT.

De acordo com Michael Triantafyllou, Professor Henry L. e Grace Doherty em Ciência e Engenharia Oceânica e também orientador de doutorado de Fan, “O design do Tanque de Rebocagem Inteligente de Dixia é um exemplo excepcional de usar métodos novos para revitalizar campos maduros”.

Triantafyllou foi coautor do artigo e diretor do Programa de Bolsas de Estudo do MIT Sea Grant.

“O MIT Sea Grant comprometeu recursos e financiou projetos que usam métodos de aprendizado profundo em problemas relacionados ao oceano por vários anos, que já estão dando resultados”, disse ele.

O MIT é financiado pela Administração Oceânica e Atmosférica Nacional e administrado pelo Programa Nacional de Bolsas de Estudo do Mar. É uma parceria entre instituições federais que combina pesquisa e engenharia no MIT para ajudar a lidar com problemas relacionados ao oceano,

Outros contribuintes para o artigo incluem George Karniadakis, da Brown University, afiliado ao MIT Sea Grant; Gurvan Jodin, da ENS Rennes; Yu Ma, candidato a doutorado em engenharia mecânica do MIT; e Thomas Consi, Luca Bonfiglio e Lily Keyes, do MIT Sea Grant.