Ilmuwan kelautan telah lama kagum pada bagaimana hewan seperti ikan dan segel berenang dengan sangat efisien meskipun memiliki bentuk yang berbeda. Tubuh mereka dioptimalkan untuk navigasi air hidrodinamik yang efisien sehingga mereka dapat mengerahkan energi minimal saat bepergian jarak jauh.
Kendaraan otonom dapat melayang di laut dengan cara yang sama, mengumpulkan data tentang lingkungan bawah air yang luas. Namun, bentuk mesin-mesin meluncur ini kurang beragam daripada apa yang kita temukan dalam kehidupan laut-desain masuk sering menyerupai tabung atau torpedo, karena mereka juga cukup hidrodinamik. Plus, menguji bangunan baru membutuhkan banyak percobaan dan kesalahan dunia nyata.
Para peneliti dari Ilmu Komputer MIT dan Laboratorium Kecerdasan Buatan (CSAIL) dan Universitas Wisconsin di Madison mengusulkan bahwa AI dapat membantu kami menjelajahi desain glider yang belum dipetakan dengan lebih nyaman. Metode mereka menggunakan pembelajaran mesin untuk menguji desain 3D yang berbeda dalam simulator fisika, kemudian membentuknya menjadi bentuk yang lebih hidrodinamik. Model yang dihasilkan dapat dibuat melalui printer 3D menggunakan energi yang jauh lebih sedikit daripada yang buatan tangan.
Para ilmuwan MIT mengatakan bahwa pipa desain ini dapat membuat mesin baru yang lebih efisien yang membantu para penipu mengukur suhu air dan tingkat garam, mengumpulkan wawasan yang lebih rinci tentang arus, dan memantau dampak perubahan iklim. Tim menunjukkan potensi ini dengan memproduksi dua glider kira-kira seukuran papan boogie: mesin dua bersayap menyerupai pesawat, dan benda unik, empat bersayap menyerupai ikan datar dengan empat sirip.
Peter Yichen Chen, MIT CSAIL Postdoc dan peneliti co-lead pada proyek, mencatat bahwa desain ini hanyalah beberapa dari bentuk novel yang dapat dihasilkan oleh pendekatan timnya. “Kami telah mengembangkan proses semi-otomatis yang dapat membantu kami menguji desain tidak konvensional yang akan sangat membebani manusia untuk merancang,” katanya. “Tingkat keragaman bentuk ini belum dieksplorasi sebelumnya, jadi sebagian besar desain ini belum diuji di dunia nyata.”
Tapi bagaimana AI menghasilkan ide -ide ini? Pertama, para peneliti menemukan model 3D lebih dari 20 bentuk eksplorasi laut konvensional, seperti kapal selam, paus, sinar manta, dan hiu. Kemudian, mereka melampirkan model -model ini dalam “kandang deformasi” yang memetakan berbagai titik artikulasi yang ditarik oleh para peneliti untuk menciptakan bentuk baru.
Tim yang dipimpin CSAIL membangun dataset bentuk konvensional dan cacat sebelum mensimulasikan bagaimana mereka akan tampil di berbagai “sudut serangan”-arah kapal akan miring saat meluncur melalui air. Misalnya, seorang perenang mungkin ingin menyelam pada sudut -30 derajat untuk mengambil item dari kolam.
Bentuk dan sudut serangan yang beragam ini kemudian digunakan sebagai input untuk jaringan saraf yang pada dasarnya mengantisipasi seberapa efisien bentuk glider akan berkinerja pada sudut tertentu dan mengoptimalkannya sesuai kebutuhan.
Memberi Robot Gliding Lift
Jaringan saraf tim mensimulasikan bagaimana peluncur tertentu akan bereaksi terhadap fisika bawah air, yang bertujuan untuk menangkap bagaimana ia bergerak maju dan kekuatan yang menyeretnya. Tujuannya: Temukan rasio lift-to-drag terbaik, mewakili seberapa banyak glider ditahan dibandingkan dengan seberapa banyak yang ditahan. Semakin tinggi rasionya, semakin efisien kendaraannya; Semakin rendah, semakin banyak glider akan melambat selama perjalanannya.
Rasio lift-to-drag adalah kunci untuk pesawat terbang: saat lepas landas, Anda ingin memaksimalkan lift untuk memastikannya dapat meluncur dengan baik terhadap arus angin, dan ketika mendarat, Anda membutuhkan kekuatan yang cukup untuk menyeretnya ke pemberhentian penuh.
Niklas Hagemann, seorang mahasiswa pascasarjana MIT dalam arsitektur dan afiliasi CSAIL, mencatat bahwa rasio ini sama berguna jika Anda menginginkan gerakan meluncur yang serupa di lautan.
“Pipa kami memodifikasi bentuk glider untuk menemukan rasio lift-to-drag terbaik, mengoptimalkan kinerjanya di bawah air,” kata Hagemann, yang juga seorang penulis co-lead di atas kertas yang disajikan pada Konferensi Internasional tentang Robotika dan Otomasi pada bulan Juni. “Anda kemudian dapat mengekspor desain berkinerja terbaik sehingga mereka dapat dicetak 3D.”
Pergi untuk meluncur cepat
Sementara pipa AI mereka tampak realistis, para peneliti diperlukan untuk memastikan prediksi tentang kinerja glider akurat dengan bereksperimen di lingkungan yang lebih hidup.
Mereka pertama-tama membuat desain dua sayap mereka sebagai kendaraan yang diperkecil menyerupai pesawat kertas. Glider ini dibawa ke Tunnel Wind Wind Brothers MIT, ruang dalam ruangan dengan penggemar yang mensimulasikan aliran angin. Ditempatkan pada sudut yang berbeda, rasio lift-to-drag yang diprediksi glider hanya sekitar 5 persen lebih tinggi rata-rata daripada yang dicatat dalam percobaan angin-perbedaan kecil antara simulasi dan kenyataan.
Evaluasi digital yang melibatkan simulator fisika visual yang lebih kompleks juga mendukung gagasan bahwa pipa AI membuat prediksi yang cukup akurat tentang bagaimana glider akan bergerak. Ini memvisualisasikan bagaimana mesin -mesin ini akan turun dalam 3D.
Untuk benar -benar mengevaluasi glider -glider ini di dunia nyata, tim perlu melihat bagaimana perangkat mereka akan naik di bawah air. Mereka mencetak dua desain yang melakukan yang terbaik pada titik serangan tertentu untuk tes ini: perangkat seperti jet pada 9 derajat dan kendaraan empat sayap pada 30 derajat.
Kedua bentuk dibuat dalam printer 3D sebagai cangkang berlubang dengan lubang kecil yang banjir saat tenggelam sepenuhnya. Desain ringan ini membuat kendaraan lebih mudah ditangani di luar air dan membutuhkan lebih sedikit bahan untuk dibuat. Para peneliti menempatkan perangkat seperti tabung di dalam penutup shell ini, yang menampung berbagai perangkat keras, termasuk pompa untuk mengubah daya apung glider, shifter massa (perangkat yang mengontrol sudut serangan mesin), dan komponen elektronik.
Setiap desain mengungguli glider berbentuk torpedo buatan tangan dengan bergerak lebih efisien di seberang kolam. Dengan rasio lift-to-drag yang lebih tinggi daripada rekannya, kedua mesin yang digerakkan AI memberikan lebih sedikit energi, mirip dengan cara-cara mudah hewan laut menavigasi lautan.
Sebanyak proyek ini merupakan langkah maju yang menggembirakan untuk desain glider, para peneliti ingin mempersempit kesenjangan antara simulasi dan kinerja dunia nyata. Mereka juga berharap untuk mengembangkan mesin yang dapat bereaksi terhadap perubahan arus yang tiba -tiba, membuat glider lebih mudah beradaptasi dengan laut dan lautan.
Chen menambahkan bahwa tim ingin mengeksplorasi jenis bentuk baru, terutama desain glider yang lebih tipis. Mereka bermaksud membuat kerangka kerja mereka lebih cepat, mungkin mendukungnya dengan fitur -fitur baru yang memungkinkan lebih banyak penyesuaian, kemampuan manuver, atau bahkan penciptaan kendaraan mini.
Chen dan Hagemann CO-LED Research tentang proyek ini dengan peneliti Openai Pingchuan Ma Sm ’23, PhD ’25. Mereka menulis makalah dengan Wei Wang, University of Wisconsin di Asisten Profesor Madison dan CSail Postdoc baru -baru ini; John Romanishin ’12, SM ’18, PhD ’23; dan dua profesor MIT dan anggota CSAIL: Direktur Lab Daniela Rus dan penulis senior Wojciech Matusik. Pekerjaan mereka didukung, sebagian, oleh hibah Badan Penelitian Lanjutan (DARPA) dan program MIT-Gist.
