Mastodon
Connect with us

Robotics

Η τεχνητή νοημοσύνη επαναστατεί στα αυτόνομα υποβρύχια “gliders”

Published

on

Η τεχνητή νοημοσύνη επαναστατεί στα αυτόνομα υποβρύχια “gliders”

Η έμπνευση από τη φύση

Οι θαλάσσιοι επιστήμονες έχουν εδώ και καιρό εντυπωσιαστεί από το πώς τα ζώα όπως τα ψάρια και οι φώκιες κολυμπούν τόσο αποδοτικά, παρά τις διαφορετικές μορφές τους. Τα σώματά τους είναι βελτιστοποιημένα για υδροδυναμική πλεύση, επιτρέποντάς τους να διανύουν μεγάλες αποστάσεις με ελάχιστη ενεργειακή κατανάλωση. Αυτή η φυσική ικανότητα έχει εμπνεύσει την ανάπτυξη αυτόνομων υποβρύχιων οχημάτων που συλλέγουν δεδομένα από τα βάθη των ωκεανών.

Η πρόκληση της σχεδίασης

Τα αυτόνομα οχήματα, γνωστά και ως “gliders”, συνήθως έχουν σχήματα που θυμίζουν σωλήνες ή τορπίλες, καθώς αυτά τα σχέδια είναι σχετικά υδροδυναμικά. Ωστόσο, η δοκιμή νέων σχεδίων απαιτεί πολλές δοκιμές και σφάλματα στον πραγματικό κόσμο. Οι ερευνητές από το MIT και το Πανεπιστήμιο του Ουισκόνσιν στο Μάντισον προτείνουν ότι η AI μπορεί να βοηθήσει στην εξερεύνηση νέων σχεδίων glider με μεγαλύτερη ευκολία.

Η συμβολή της τεχνητής νοημοσύνης

Η μέθοδος που ανέπτυξαν οι ερευνητές χρησιμοποιεί τη μηχανική μάθηση για να δοκιμάσει διαφορετικά τρισδιάστατα σχέδια σε έναν φυσικό προσομοιωτή, διαμορφώνοντάς τα σε πιο υδροδυναμικά σχήματα. Το αποτέλεσμα είναι μοντέλα που μπορούν να κατασκευαστούν μέσω τρισδιάστατης εκτύπωσης, χρησιμοποιώντας σημαντικά λιγότερη ενέργεια από τα χειροποίητα.

Νέα οχήματα για την ωκεανογραφία

Οι επιστήμονες του MIT πιστεύουν ότι αυτή η διαδικασία σχεδίασης μπορεί να δημιουργήσει νέα, πιο αποδοτικά μηχανήματα που θα βοηθήσουν τους ωκεανογράφους να μετρήσουν τη θερμοκρασία και την αλατότητα του νερού, να συλλέξουν πιο λεπτομερείς πληροφορίες για τα ρεύματα και να παρακολουθήσουν τις επιπτώσεις της κλιματικής αλλαγής. Η ομάδα παρουσίασε αυτή την προοπτική κατασκευάζοντας δύο gliders, περίπου στο μέγεθος μιας σανίδας boogie: ένα με δύο φτερά που μοιάζει με αεροπλάνο και ένα μοναδικό, τετραφτερωτό αντικείμενο που θυμίζει επίπεδο ψάρι με τέσσερα πτερύγια.

Η διαδικασία σχεδίασης

Ο Peter Yichen Chen, μεταδιδακτορικός ερευνητής στο MIT CSAIL και συν-επικεφαλής της έρευνας, σημειώνει ότι αυτά τα σχέδια είναι μόνο μερικά από τα νέα σχήματα που μπορεί να δημιουργήσει η προσέγγιση της ομάδας του. “Έχουμε αναπτύξει μια ημι-αυτόματη διαδικασία που μπορεί να μας βοηθήσει να δοκιμάσουμε ασυνήθιστα σχέδια που θα ήταν πολύ δύσκολο να σχεδιαστούν από ανθρώπους”, λέει ο Chen. “Αυτή η ποικιλία σχημάτων δεν έχει εξερευνηθεί προηγουμένως, οπότε τα περισσότερα από αυτά τα σχέδια δεν έχουν δοκιμαστεί στον πραγματικό κόσμο.”

Η τεχνολογία πίσω από τα νέα σχέδια

Πώς όμως η AI κατέληξε σε αυτές τις ιδέες; Αρχικά, οι ερευνητές βρήκαν τρισδιάστατα μοντέλα από περισσότερα από 20 συμβατικά σχήματα για θαλάσσια εξερεύνηση, όπως υποβρύχια, φάλαινες, μαντάτα και καρχαρίες. Στη συνέχεια, περιέκλεισαν αυτά τα μοντέλα σε “κλουβιά παραμόρφωσης” που χαρτογραφούν διαφορετικά σημεία άρθρωσης, τα οποία οι ερευνητές μετακίνησαν για να δημιουργήσουν νέα σχήματα.

Εξομοίωση και βελτιστοποίηση

Η ομάδα που ηγείται το CSAIL δημιούργησε ένα σύνολο δεδομένων από συμβατικά και παραμορφωμένα σχήματα πριν προσομοιώσει πώς θα αποδίδουν σε διαφορετικές “γωνίες επίθεσης” — την κατεύθυνση που θα κλίνει ένα σκάφος καθώς γλιστράει στο νερό. Για παράδειγμα, ένας κολυμβητής μπορεί να θέλει να βουτήξει σε γωνία -30 μοιρών για να ανακτήσει ένα αντικείμενο από μια πισίνα.

Η σημασία της σχέσης ανύψωσης-αντίστασης

Η ομάδα χρησιμοποίησε αυτές τις ποικίλες μορφές και γωνίες επίθεσης ως εισόδους για ένα νευρωνικό δίκτυο που ουσιαστικά προβλέπει πόσο αποδοτικά θα αποδίδει ένα σχήμα glider σε συγκεκριμένες γωνίες και το βελτιστοποιεί ανάλογα. Το νευρωνικό δίκτυο προσομοιώνει πώς θα αντιδρούσε ένα συγκεκριμένο glider στη φυσική του υποβρύχιου περιβάλλοντος, προσπαθώντας να συλλάβει πώς κινείται προς τα εμπρός και τη δύναμη που το αντιστέκεται. Ο στόχος είναι να βρεθεί η καλύτερη σχέση ανύψωσης προς αντίσταση, που αντιπροσωπεύει πόσο το glider ανυψώνεται σε σύγκριση με το πόσο το συγκρατείται.

Πραγματικές δοκιμές και αποτελέσματα

Για να διασφαλίσουν ότι οι προβλέψεις της AI για την απόδοση των gliders ήταν ακριβείς, οι ερευνητές πραγματοποίησαν πειράματα σε πιο ρεαλιστικά περιβάλλοντα. Αρχικά, κατασκεύασαν το σχέδιο με τα δύο φτερά ως ένα μικρότερο όχημα που θυμίζει χάρτινο αεροπλάνο. Αυτό το glider δοκιμάστηκε στο Ανεμοδυναμικό Τούνελ των Αδελφών Wright του MIT, ένας εσωτερικός χώρος με ανεμιστήρες που προσομοιώνουν τη ροή του ανέμου. Τοποθετημένο σε διαφορετικές γωνίες, η προβλεπόμενη σχέση ανύψωσης προς αντίσταση του glider ήταν κατά μέσο όρο μόνο 5% υψηλότερη από τις μετρήσεις που καταγράφηκαν στα πειράματα ανέμου — μια μικρή διαφορά μεταξύ προσομοίωσης και πραγματικότητας.

Προοπτικές και μελλοντικές εξελίξεις

Παρά την επιτυχία του έργου, οι ερευνητές επιδιώκουν να μειώσουν το χάσμα μεταξύ προσομοίωσης και πραγματικής απόδοσης. Επίσης, ελπίζουν να αναπτύξουν μηχανές που μπορούν να αντιδρούν σε ξαφνικές αλλαγές στα ρεύματα, καθιστώντας τα gliders πιο προσαρμοστικά στις θάλασσες και τους ωκεανούς. Ο Chen προσθέτει ότι η ομάδα σκοπεύει να εξερευνήσει νέους τύπους σχημάτων, ιδιαίτερα λεπτότερα σχέδια glider, και να βελτιώσει το πλαίσιο τους, ίσως ενισχύοντάς το

Advertisement