L'IA conçoit de nouveaux planeurs sous-marins avec des formes inspirées des animaux marins

Les scientifiques marins se sont longtemps émerveillés par la façon dont les animaux comme les poissons et les phoques nagent si efficacement malgré des formes différentes. Leurs corps sont optimisés pour une navigation aquatique efficace (ou une hydrodynamique), ils peuvent donc exercer une énergie minimale lorsqu'ils parcourent de longues distances.

Les véhicules autonomes peuvent dériver dans l'océan de la même manière, collectant des données sur de vastes environnements sous-marins. Cependant, les formes de ces machines de glissement sont moins diverses que ce que nous trouvons dans la vie marine – les conceptions incontournables ressemblent souvent à des tubes ou à des torpilles, car ils sont assez hydrodynamiques. De plus, le test de nouvelles versions nécessite de nombreux essais et erreurs réels.

Des chercheurs du Laboratoire d'informatique et d'intelligence artificielle du MIT (CSAIL) et de l'Université du Wisconsin-Madison proposent que l'IA pourrait nous aider à explorer plus facilement les conceptions de planeurs inexplorés. La recherche est publiée sur le arxiv serveur de préimprimée.

Leur méthode utilise l'apprentissage automatique pour tester différentes conceptions 3D dans un simulateur de physique, puis les façonne en formes plus hydrodynamiques. Le modèle résultant peut être fabriqué via une imprimante 3D en utilisant beaucoup moins d'énergie que celles artificielles.

Les scientifiques du MIT affirment que ce pipeline de conception pourrait créer de nouvelles machines plus efficaces qui aident les océanographes à mesurer la température de l'eau et les niveaux de sel, recueillent des informations plus détaillées sur les courants et surveillent les impacts du changement climatique.

L'équipe a démontré ce potentiel en produisant deux planeurs à peu près de la taille d'une planche de boogie: une machine à deux ailes ressemblant à un avion, et un objet unique à quatre ailes ressemblant à un poisson plat avec quatre nageoires.

Peter Yichen Chen, MIT Postdoc, affilié de CSAIL et chercheur co-dirigé sur le projet, note que ces conceptions ne sont que quelques-unes des formes de nouvelles formes que son équipe peut générer.

« Nous avons développé un processus semi-automatisé qui peut nous aider à tester des conceptions non conventionnelles qui seraient très éprouvantes pour les humains à concevoir », dit-il. « Ce niveau de diversité de forme n'a pas été exploré précédemment, donc la plupart de ces conceptions n'ont pas été testées dans le monde réel. »

Mais comment l'IA a-t-elle trouvé ces idées en premier lieu? Premièrement, les chercheurs ont trouvé des modèles 3D de plus de vingt formes d'exploration de mer conventionnelles, telles que des sous-marins, des baleines, des rayons manta et des requins. Ensuite, ils ont enfermé ces modèles dans des « cages de déformation » qui tracent différents points d'articulation que les chercheurs ont tirés pour créer de nouvelles formes.

L'équipe dirigée par CSAIL a construit un ensemble de données de formes conventionnelles et déformées avant de simuler comment elle se comporterait à différents « angles d'attaque » – la direction qu'un navire s'inclinera alors qu'elle glissent dans l'eau. Par exemple, un nageur peut vouloir plonger à un angle de -30 ° pour récupérer un élément d'une piscine.

Ces formes et angles d'attaque diverses ont ensuite été utilisés comme entrées pour un réseau neuronal qui anticipe essentiellement à quel point une forme de planeur fonctionnera efficacement à des angles particuliers et l'optimise au besoin.

Donner un ascenseur de robots glissants

Le réseau neuronal de l'équipe simule comment un planeur particulier réagirait à la physique sous-marine, visant à capturer la façon dont il avance et la force qui lui traîne. L'objectif: trouvez le meilleur rapport portant / dragl, ce qui représente la quantité de planeur qui est maintenu par rapport à la quantité de retenue. Plus le rapport est élevé, plus le véhicule se déplace efficacement; Plus il est bas, plus le planeur ralentira pendant son voyage.

Les ratios de levage / de dragl sont essentiels pour les plans volants: au décollage, vous souhaitez maximiser l'ascenseur pour vous assurer qu'il peut bien glisser contre les courants de vent, et lorsque vous atterrissez, vous avez besoin d'une force suffisante pour la faire glisser vers un arrêt complet.

Niklas Hagemann, étudiant diplômé du MIT et affilié à CSAIL, note que ce ratio est tout aussi utile si vous voulez un mouvement de glissement similaire dans l'océan.

« Notre pipeline modifie les formes de planeurs pour trouver le meilleur rapport ascenseur / drag, optimisant ses performances sous l'eau », explique Hagemann, un autre auteur co-dirigé sur l'article qui sera présenté à la Conférence internationale sur la robotique et l'automatisation (ICRA). « Vous pouvez ensuite exporter les conceptions les plus performantes afin qu'elles puissent être imprimées en 3D. »

Aller pour une glisse rapide

Bien que leur pipeline d'IA semble réaliste, les chercheurs devaient s'assurer que ses prédictions sur les performances des planeurs étaient exactes en expérimentant dans des environnements plus réalistes.

Ils ont d'abord fabriqué leur conception à deux ailes en tant que véhicule à l'échelle qui ressemblait à un avion en papier. Ce planeur a été emmené à Wright Brothers Wright Brothers Wright Brothers, un espace intérieur avec des ventilateurs qui simulent le flux de vent.

Placée à différents angles, le rapport portant / drag prédit du planeur n'était que environ 5% plus élevé en moyenne que ceux enregistrés dans les expériences du vent – une petite différence entre la simulation et la réalité.

Une évaluation numérique impliquant un simulateur de physique visuel plus complexe a également soutenu l'idée que le pipeline AI a fait des prédictions assez précises sur la façon dont les planeurs se déplaceraient. Il a visualisé la façon dont ces machines descendraient vers le bas en 3D.

Pour vraiment évaluer ces planeurs dans le monde réel, cependant, l'équipe avait besoin de voir comment leurs appareils se débrouilleraient sous l'eau. Ils ont imprimé deux conceptions qui ont effectué le meilleur à des points d'attaque spécifiques pour ce test: un dispositif de type jet à 9 ° et le véhicule à quatre ailes à 30 °.

Les deux formes ont été fabriquées dans une imprimante 3D sous forme de coquilles creuses avec de petits trous qui inondent lorsqu'ils sont complètement submergés. Cette conception légère rend le véhicule plus facile à manipuler à l'extérieur de l'eau et nécessite que moins de matériaux soient fabriqués.

Les chercheurs ont placé un appareil en forme de tube à l'intérieur de ces revêtements de coquille, qui abritait une gamme de matériel, y compris une pompe pour modifier la flottabilité du planeur, un levier de vitesses de masse (un appareil qui contrôle l'angle d'attaque de la machine) et les composants électroniques.

Chaque design a surpassé un planeur en forme de torpille artificiel en se déplaçant plus efficacement à travers une piscine. Avec des ratios de levage / de dragage plus élevés que leur homologue, les deux machines axées sur l'IA ont exercé moins d'énergie, similaire aux façons d'efforts de manière des animaux marins naviguent dans les océans.

Autant que le projet est un pas en avant encourageant pour la conception des planeurs, les chercheurs cherchent à réduire l'écart entre la simulation et les performances du monde réel. Ils espèrent également développer des machines qui peuvent réagir à des changements soudains dans les courants, ce qui rend les planeurs plus adaptables aux mers et aux océans.

Chen ajoute que l'équipe cherche à explorer de nouveaux types de formes, en particulier les conceptions de planeurs plus minces. Ils ont l'intention de rendre leur cadre plus rapidement, le renforçant peut-être avec de nouvelles fonctionnalités qui permettent plus de personnalisation, de maniabilité ou même de création de véhicules miniatures.

Chen et Hagemann ont co-dirigé des recherches sur ce projet avec le chercheur Openai Pingchuan Ma SM Ph.D.