การพัฒนาวิจัยด้านมนุษย์-หุ่นยนต์-คอมพิวเตอร์

ห้องทดลองอัตโนมัติ ซึ่งเรียกว่า ที่เรียกว่า Intelligent Towing Tank (ITT) ได้ทำการทดลองทั้งหมดประมาณ 100,000 ครั้ง ในปีแรกของการดำเนินการ ซึ่งปกติจะใช้เวลา 5 ปีสำหรับนักศึกษาระดับ博士 แต่ ITT สามารถทำได้ภายในไม่กี่สัปดาห์ การพัฒนาของ ITT ใน MIT Sea Grant Hydrodynamics Laboratory นำเราไปสู่พื้นที่ของการวิจัยด้านมนุษย์-หุ่นยนต์-คอมพิวเตอร์

ITT ทำการทดลองและวิเคราะห์ผลลัพธ์โดยอัตโนมัติ และออกแบบการทดลองใหม่ๆ การทดลองเหล่านี้มุ่งเน้นไปที่การสำรวจการ振荡ที่เกิดจากกระแสน้ำ (VIVs) VIVs มีความสำคัญต่อการออกแบบโครงสร้างทางทะเล เช่น Marine drilling risers ซึ่งเชื่อมต่อระหว่างบ่อน้ำมันใต้น้ำกับพื้นผิว

ITT ใช้การเรียนรู้แบบ Active learning และทำการทดลองต่อเนื่องกัน โดยใช้ข้อมูลจากการทดลองก่อนหน้าเพื่อเลือกพารามิเตอร์สำหรับการทดลองถัดไป ระบบใช้การเรียนรู้แบบ “explore-and-exploit” ซึ่งช่วยลดจำนวนการทดลองที่จำเป็นในการทำแผนที่และสำรวจลักษณะที่ซับซ้อนของ VIVs

นักศึกษาระดับ博士 Dixia Fan เริ่มโครงการนี้โดยการค้นหาวิธีการลดจำนวนการทดลองที่ต้องทำด้วยมือ ซึ่งนำไปสู่การพัฒนาระบบ ITT

บทความ ได้รับการตีพิมพ์เมื่อเดือนที่แล้วใน مجลัด Science Robotics

Fan เป็นนักวิจัยหลังปริญญาเอก และโครงการนี้ได้รับการทำงานร่วมกันจากทีมนักวิจัยจาก MIT Sea Grant College Program และ MIT’s Department of Mechanical Engineering, École Normale Supérieure de Rennes และ Brown University โครงการใหม่นี้แสดงให้เห็นถึงความร่วมมือที่สามารถเกิดขึ้นระหว่างมนุษย์ คอมพิวเตอร์ และหุ่นยนต์ เพื่อทำการค้นพบทางวิทยาศาสตร์ได้เร็วขึ้น

ITT เป็นแท็งก์ที่มีความยาว 33 ฟุต และสามารถทำงานได้โดยไม่มีการหยุดหรือระงับ นักวิจัยต้องการให้ระบบนี้ถูกใช้ในหลายสาขา ซึ่งอาจนำไปสู่การสร้างแบบจำลองใหม่ในระบบที่ไม่เป็นเชิงเส้น

ITT ช่วยให้ Fan และทีมงานสามารถสำรวจพื้นที่พารามิเตอร์ที่กว้างขึ้น “หากเราทำการทดลองด้วยวิธีการแบบดั้งเดิม จะต้องใช้เวลา 950 ปีในการทำการทดลอง” เขาอธิบาย

เพื่อลดเวลาที่ยาวนานในการทำการทดลอง Fan และทีมงานได้ใช้การเรียนรู้แบบ Gaussian process regression ใน ITT ซึ่งช่วยลดจำนวนการทดลองที่จำเป็นลงเหลือเพียงไม่กี่พันครั้ง

ระบบหุ่นยนต์สามารถทำการทดลอง序列แรกได้โดยอัตโนมัติ และสามารถควบคุมพารามิเตอร์ของการทดลองถัดไปได้บางส่วน

Fan ได้รับรางวัล MIT Mechanical Engineering de Florez Award สำหรับการออกแบบ ITT

Michael Triantafyllou ผู้อำนวยการ MIT Sea Grant College Program และที่ปรึกษาด้านปริญญาเอกของ Fan กล่าวว่า “การออกแบบ ITT ของ Dixia เป็นตัวอย่างที่ดีของการใช้วิธีการใหม่ๆ ในการฟื้นฟูสาขาที่มีมาอย่างยาวนาน”

Triantafyllou เป็นหนึ่งในผู้เขียนร่วมในบทความและเป็นผู้อำนวยการ MIT Sea Grant College Program

“MIT Sea Grant ได้ให้การสนับสนุนและเงินทุนสำหรับโครงการที่ใช้วิธีการ Deep learning ในปัญหาที่เกี่ยวข้องกับทะเลเป็นเวลาหลายปี และผลลัพธ์เหล่านั้นกำลังเริ่มปรากฏ” เขากล่าว

MIT ได้รับการสนับสนุนจาก National Oceanic and Atmospheric Administration และบริหารจัดการโดย National Sea Grant Program เป็นความร่วมมือระหว่างสถาบันและหน่วยงานของรัฐที่รวมการวิจัยและวิศวกรรมที่ MIT เพื่อช่วยแก้ไขปัญหาที่เกี่ยวข้องกับทะเล

ผู้ร่วมให้ข้อมูลอื่นๆ ในบทความ ได้แก่ George Karniadakis จาก Brown University ซึ่งเป็นส่วนหนึ่งของ MIT Sea Grant; Gurvan Jodin จาก ENS Rennes; นักศึกษาระดับ博士 Yu Ma จาก MIT; และ Thomas Consi, Luca Bonfiglio และ Lily Keyes จาก MIT Sea Grant