Les ingénieurs gagnent un nouvel outil pour concevoir des systèmes complexes avec une incertitude intégrée

La conception d'un appareil électronique complexe comme un drone de livraison implique de jongler avec de nombreux choix, tels que la sélection des moteurs et des batteries qui minimisent les coûts tout en maximisant la charge utile que le drone peut transporter ou la distance qu'il peut parcourir.

Décroisser cette énigme n'est pas une tâche facile, mais que se passe-t-il si les concepteurs ne connaissent pas les spécifications exactes de chaque batterie et moteur? En plus de cela, les performances réelles de ces composants seront probablement affectées par des facteurs imprévisibles, comme le changement de temps le long de l'itinéraire du drone.

Les chercheurs du MIT ont développé un nouveau cadre qui aide les ingénieurs à concevoir des systèmes complexes d'une manière qui explique explicitement une telle incertitude. Le cadre leur permet de modéliser les compromis de performances d'un appareil avec de nombreuses pièces interconnectées, chacune pouvant se comporter de manière imprévisible.

La recherche est publiée sur le arxiv serveur de préimprimée.

Leur technique capture la probabilité de nombreux résultats et compromis, donnant aux concepteurs plus d'informations que de nombreuses approches existantes qui, tout au plus, ne peuvent généralement modéliser que les meilleurs cas et les pires scénarios.

En fin de compte, ce cadre pourrait aider les ingénieurs à développer des systèmes complexes comme les véhicules autonomes, les avions commerciaux ou même les réseaux de transport régionaux qui sont plus robustes et fiables face à une imprévisibilité réelle.

« Dans la pratique, les composants d'un appareil ne se comportent jamais exactement comme vous le pensez. Si quelqu'un a un capteur dont les performances sont incertaines, et un algorithme qui est incertain, et la conception d'un robot qui est également incertain, » explique maintenant Gioele Zardini, Ridge et Nancy, le professeur Assistant de Gioele, Anidge et Nancy Allanc Investigateur du Laboratoire pour l'information et les systèmes de décision (LIDS), une faculté d'affiliation à l'Institut de données, de systèmes et de société (IDSS), et auteur principal de la arxiv papier.

Zardini est rejoint sur le journal par l'auteur principal Yujun Huang, un étudiant diplômé du MIT; et Marius Furter, étudiante diplômée à l'Université de Zurich. La recherche sera présentée à la Conférence de l'IEEE sur la décision et le contrôle en décembre 2025.

Considérant l'incertitude

La co-conception des études du groupe Zardini, une méthode de conception de systèmes composée de nombreux composants interconnectés, des robots aux réseaux de transport régionaux.

La langue de conception divise un problème complexe en une série de boîtes, chacune représentant un composant, qui peut être combinée de différentes manières pour maximiser les résultats ou minimiser les coûts. Cela permet aux ingénieurs de résoudre des problèmes complexes dans un temps faisable.

Dans les travaux antérieurs, les chercheurs ont modélisé chaque composant de co-conception sans considérer l'incertitude. Par exemple, les performances de chaque capteur que les concepteurs pouvaient choisir pour un drone ont été fixées.

Mais les ingénieurs ne connaissent souvent pas les spécifications de performances exactes de chaque capteur, et même s'ils le font, il est peu probable que le capteur suive parfaitement sa fiche de spécifications. Dans le même temps, ils ne savent pas comment chaque capteur se comportera une fois intégré dans un appareil complexe, ni comment les performances seront affectées par des facteurs imprévisibles comme la météo.

« Avec notre méthode, même si vous ne savez pas quelles seront les spécifications de votre capteur, vous pouvez toujours concevoir le robot pour maximiser le résultat qui vous intéresse », explique Furter.

Pour ce faire, les chercheurs ont incorporé cette notion d'incertitude dans un cadre existant basé sur la théorie des catégories.

En utilisant des astuces mathématiques, ils ont simplifié le problème dans une structure plus générale. Cela leur permet d'utiliser les outils de la théorie des catégories pour résoudre les problèmes de co-conception d'une manière qui considère une gamme de résultats incertains.

En reformulant le problème, les chercheurs peuvent saisir comment les choix de conception multiples se affectent les uns les autres même lorsque leur performance individuelle est incertaine.

Cette approche est également plus simple que de nombreux outils existants qui nécessitent généralement une expertise approfondie du domaine. Avec leur système de plug-and-play, on peut réorganiser les composants du système sans violer aucune contrainte mathématique.

Et parce qu'aucune expertise de domaine spécifique n'est requise, le cadre pourrait être utilisé par une équipe multidisciplinaire où chaque membre conçoit un composant d'un système plus grand.

« La conception d'un UAV entier n'est pas possible pour une seule personne, mais la conception d'un composant d'un UAV est. En fournissant le cadre de la façon dont ces composants fonctionnent ensemble d'une manière qui considère l'incertitude, nous avons facilité les gens d'évaluer les performances de l'ensemble du système d'UAV », explique Huang.

Informations plus détaillées

Les chercheurs ont utilisé cette nouvelle approche pour choisir des systèmes de perception et des batteries pour un drone qui maximiserait sa charge utile tout en minimisant son coût et son poids à vie.

Bien que chaque système de perception puisse offrir une précision de détection différente dans des conditions météorologiques variables, le concepteur ne sait pas exactement comment ses performances fluctueront. Ce nouveau système permet au concepteur de prendre en considération ces incertitudes lorsque vous réfléchissez aux performances globales du drone.

Et contrairement à d'autres approches, leur cadre révèle des avantages distincts de chaque technologie de batterie.

Par exemple, leurs résultats montrent qu'à la baisse des charges utiles, les batteries d'hydrure de nickel-metal offrent le coût à vie les plus bas attendu. Cette perspicacité serait impossible à capturer pleinement sans tenir compte de l'incertitude, dit Zardini.

Bien qu'une autre méthode puisse être uniquement en mesure de montrer les meilleurs scénarios de performance de cas et les meilleurs cas de batteries en polymère lithium, leur cadre donne à l'utilisateur des informations plus détaillées.

Par exemple, cela montre que si la charge utile du drone est de 1 750 grammes, il y a 12,8% de chances que la conception de la batterie soit irréalisable.

« Notre système fournit les compromis, puis l'utilisateur peut raisonner sur la conception », ajoute-t-il.

À l'avenir, les chercheurs souhaitent améliorer l'efficacité informatique de leurs algorithmes de résolution de problèmes. Ils souhaitent également étendre cette approche aux situations où un système est conçu par plusieurs parties qui sont collaboratives et compétitives, comme un réseau de transport dans lequel les sociétés ferroviaires opèrent en utilisant la même infrastructure.

« Au fur et à mesure que la complexité des systèmes se développe et implique des composants plus disparates, nous avons besoin d'un cadre formel dans lequel concevoir ces systèmes. Cet article présente un moyen de composer de grands systèmes à partir de composants modulaires, de comprendre les compromis de conception et de le faire avec une notion d'incertitude. Contrôle et systèmes dynamiques, et aérospatial de Caltech, qui n'était pas impliqué dans cette recherche.