Framsteg inom människa-robot-datorforskning

Den automatiserade experimentanläggningen, som kallas Intelligent Towing Tank (ITT), genomförde cirka 100 000 totala experiment under sitt första verksamhetsår. Det som normalt skulle ta en doktorand fem år att slutföra med experiment, kunde ITT göra på några veckor. Utvecklingen av ITT i MIT Sea Grant Hydrodynamics Laboratory tar oss längre in i området för människa-robot-datorforskning.

ITT utför, analyserar och utformar experiment automatiskt och anpassningsbart. Experimenten fokuserar på att undersöka vortexinducerade vibrationer (VIV). VIV är viktiga för att konstruera offshore-oceanstrukturer, såsom marina borrledningar, som ansvarar för att ansluta undervattenoljebrunnar till ytan. Med VIV finns det ett stort antal parametrar inblandade.

ITT styrs av aktivt lärande och genomför en serie experiment. Inom experimenten väljs parametrarna för varje nästa experiment av en dator. Systemet använder en “utforska-och-utnyttja”-metodik, som hjälper till att kraftigt minska antalet experiment som krävs för att kartlägga och undersöka de komplexa aspekterna av VIV.

Doktoranden Dixia Fan började projektet medan han letade efter ett sätt att minska de tusentals experiment som behövde genomföras för hand. Det ledde till utvecklingen av ITT-systemet.

En artikel publicerades förra månaden i tidskriften Science Robotics.

Fan är nu en postdoktorand, och projektet arbetades med av ett team av forskare från MIT Sea Grant College Program och MIT:s avdelning för maskinteknik, École Normale Supérieure de Rennes och Brown University. Det nya projektet visar den typ av samarbete som kan äga rum mellan människor, datorer och robotar för att göra vetenskapliga upptäckter i en snabbare takt.

ITT är en 33-fot lång tank och fungerar utan avbrott eller uppehåll. Forskarna skulle vilja se systemet användas i en mängd olika discipliner, vilket kunde leda till skapandet av nya modeller i icke-linjära system.

ITT tillät Fan och hans medarbetare att undersöka en bredare parametriskt utrymme. “Om vi genomförde traditionella tekniker på det problem vi studerar, skulle det ta 950 år att slutföra experimentet”, förklarade han.

För att förkorta den långa tiden som experimentet skulle ta, integrerade Fan och teamet en Gaussian process regression-läralgoritm i ITT. Genom att göra detta kunde forskarna minska antalet experiment som behövdes, ner till några tusen.

Det robotiska systemet kan automatiskt genomföra en initial sekvens av experiment. Det tar sedan delvis kontroll över parametrarna för nästa experiment.

Fan tilldelades ett MIT Mechanical Engineering de Florez-pris för “utmärkt uppfinningsrikedom och kreativ bedömning” i utvecklingen av ITT.

Enligt Michael Triantafyllou, Henry L. och Grace Doherty-professor i oceanvetenskap och teknik, och också Fans doktorandhandledare, “är Dixias design av Intelligent Towing Tank ett utmärkt exempel på att använda nya metoder för att återuppliva mogna fält”.

Triantafyllou var medförfattare till artikeln och direktör för MIT Sea Grant College Program.

“MIT Sea Grant har tilldelat resurser och finansierat projekt som använder djupinlärningsmetoder i oceanrelaterade problem under flera år, och det börjar redan ge resultat”, sa han.

MIT finansieras av National Oceanic and Atmospheric Administration och administreras av National Sea Grant Program. Det är ett federalt-institutssamarbete som kombinerar forskning och teknik vid MIT för att hjälpa till att hantera oceanrelaterade problem,

Andra bidragsgivare till artikeln inkluderar George Karniadakis från Brown University, som är ansluten till MIT Sea Grant; Gurvan Jodin från ENS Rennes; MIT-doktoranden i maskinteknik Yu Ma; och Thomas Consi, Luca Bonfiglio och Lily Keyes från MIT Sea Grant.