Учёные-океанографы давно удивляются тому, как эффективно плавают животные, такие как рыбы и тюлени, несмотря на различия в их формах. Тела этих существ оптимизированы для гидродинамического перемещения, что позволяет им затрачивать минимум энергии при преодолении больших расстояний.
Автономные аппараты могут дрейфовать по океану, собирая данные об обширных подводных пространствах. Однако формы этих плавающих машин менее разнообразны, чем у морских обитателей — зачастую они напоминают трубки или торпеды, поскольку они также достаточно гидродинамичны. Кроме того, тестирование новых конструкций требует много времени и ошибок в реальных условиях.
Исследователи из Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) Массачусетского технологического института (MIT) и Университета Висконсин-Мэдисон предлагают использовать искусственный интеллект для более удобного изучения новых конструкций глиссеров. Их метод использует машинное обучение для тестирования различных трёхмерных конструкций в физическом симуляторе, а затем преобразует их в более гидродинамические формы. Полученную модель можно изготовить на 3D-принтере, затрачивая значительно меньше энергии, чем при ручном изготовлении.
Как ИИ создаёт новые формы
Учёные из MIT говорят, что такой подход к проектированию может создать новые, более эффективные машины, которые помогут океанографам измерять температуру воды и уровень соли, собирать более подробные данные о течениях и отслеживать последствия изменения климата.
Команда продемонстрировала этот потенциал, создав два глиссера размером примерно с доску для сёрфинга: двухкрылый аппарат, напоминающий самолёт, и уникальный четырёхкрылый объект, напоминающий плоскую рыбу с четырьмя плавниками.
Питер Ичэн Чен, постдок из MIT CSAIL и соруководитель проекта, отмечает, что эти конструкции — лишь некоторые из новых форм, которые может создать подход его команды. «Мы разработали полуавтоматический процесс, который может помочь нам тестировать нетрадиционные конструкции, проектирование которых для человека было бы очень трудоёмким», — говорит он. «Такой уровень разнообразия форм ранее не исследовался, поэтому большинство этих конструкций не были испытаны в реальных условиях».
Исследователи сначала нашли трёхмерные модели более чем 20 традиционных форм для исследования моря, таких как подводные лодки, киты, манты и акулы. Затем они поместили эти модели в «деформационные клетки», которые отображают различные точки артикуляции, которые исследователи растягивали, чтобы создать новые формы.
Команда из CSAIL создала набор данных из обычных и деформированных форм, прежде чем смоделировать, как они будут работать при различных «углах атаки» — направлении, в котором судно наклоняется при движении по воде. Например, пловец может захотеть нырнуть под углом -30 градусов, чтобы достать предмет из бассейна.
Эти разнообразные формы и углы атаки затем использовались в качестве входных данных для нейронной сети, которая, по сути, предсказывает, насколько эффективно форма глиссера будет работать под определёнными углами, и оптимизирует её по мере необходимости.
Оптимизация формы для повышения эффективности
Нейронная сеть команды имитирует реакцию конкретного глиссера на подводную физику, стремясь уловить, как он движется вперёд, и силу, которая противодействует ему. Цель — найти наилучшее соотношение подъёмной силы к силе сопротивления, представляющее, насколько глиссер удерживается на плаву по сравнению с тем, насколько он сдерживается. Чем выше соотношение, тем эффективнее движется аппарат; чем оно ниже, тем больше глиссер будет замедляться во время путешествия.
Соотношения подъёмной силы к силе сопротивления важны для самолётов: при взлёте вы хотите максимизировать подъёмную силу, чтобы обеспечить хорошее планирование против воздушных потоков, а при посадке вам нужен достаточный напор, чтобы протащить его до полной остановки.
Никлас Хагеманн, аспирант MIT в области архитектуры и сотрудник CSAIL, отмечает, что это соотношение так же полезно, если вы хотите добиться аналогичного глиссирующего движения в океане.
«Наш конвейер модифицирует формы глиссеров, чтобы найти наилучшее соотношение подъёмной силы к силе сопротивления, оптимизируя его работу под водой», — говорит Хагеманн, который также является соруководителем автора статьи, представленной на Международной конференции по робототехнике и автоматизации в июне. «Затем вы можете экспортировать наиболее эффективные конструкции, чтобы их можно было напечатать на 3D-принтере».
Испытания в реальных условиях
Чтобы по-настоящему оценить эти глиссеры в реальных условиях, команде нужно было увидеть, как их устройства будут вести себя под водой. Они напечатали два дизайна, которые показали лучшие результаты при определённых углах атаки для этого теста: устройство, похожее на реактивный самолёт, под углом 9 градусов и четырёхкрылый аппарат под углом 30 градусов.
Оба аппарата были изготовлены на 3D-принтере в виде полых оболочек с небольшими отверстиями, которые заполняются водой при полном погружении. Такая облегчённая конструкция облегчает управление аппаратом вне воды и требует меньше материала для изготовления. Исследователи поместили в эти оболочки устройство в форме трубки, в котором размещён ряд аппаратных компонентов, включая насос для изменения плавучести глиссера, устройство для изменения угла атаки и электронные компоненты.
Каждый дизайн превзошёл ручной торпедообразный глиссер, более эффективно перемещаясь по бассейну. Благодаря более высокому соотношению подъёмной силы к силе сопротивления, чем у их аналога, оба аппарата, управляемые ИИ, затрачивали меньше энергии, подобно тому, как морские животные без усилий бороздят просторы океанов.
Хотя проект является обнадеживающим шагом вперёд в области проектирования глиссеров, исследователи стремятся сократить разрыв между симуляцией и реальными условиями эксплуатации. Они также надеются разработать машины, которые смогут реагировать на внезапные изменения течений, делая глиссеры более адаптируемыми к морям и океанам.
Чен добавляет, что команда планирует изучить новые типы форм, особенно более тонкие конструкции глиссеров. Они намерены ускорить свой фреймворк, возможно, дополнив его новыми функциями, которые обеспечат большую настройку, манёвренность или даже создание миниатюрных аппаратов.
Чен и Хагеманн возглавили исследование по этому проекту вместе с исследователем OpenAI Пинчуаном Ма SM ’23, PhD ’25. Они являются авторами статьи вместе с Вэй Ваном, доцентом Университета Висконсин-Мэдисон и недавним постдоком CSAIL; Джоном Романишиным ’12, SM ’18, PhD ’23; и двумя профессорами MIT и членами CSAIL: директором лаборатории Даниэлой Рус и старшим автором Войцехом Матусиком. Их работа была частично поддержана грантом Агентства перспективных оборонных исследовательских проектов (DARPA) и программой MIT-GIST.
1. Какие преимущества даёт использование искусственного интеллекта при проектировании подводных аппаратов по сравнению с традиционными методами?
Использование искусственного интеллекта позволяет тестировать различные трёхмерные конструкции в физическом симуляторе, преобразовывать их в более гидродинамические формы и оптимизировать их работу под водой. Это сокращает время и затраты на тестирование новых конструкций, а также позволяет создавать более эффективные машины для океанографических исследований.
2. Какие формы подводных аппаратов были созданы с помощью описанного метода?
С помощью описанного метода были созданы двухкрылый аппарат, напоминающий самолёт, и уникальный четырёхкрылый объект, напоминающий плоскую рыбу с четырьмя плавниками. Эти конструкции демонстрируют потенциал метода для создания новых, более эффективных форм подводных аппаратов.
3. Как искусственный интеллект оптимизирует форму подводных аппаратов?
Искусственный интеллект оптимизирует форму подводных аппаратов путём моделирования их работы при различных углах атаки и предсказания их эффективности. Нейронная сеть имитирует реакцию конкретного глиссера на подводную физику и оптимизирует его форму для достижения наилучшего соотношения подъёмной силы к силе сопротивления.
4. Какие цели преследуются при оптимизации формы подводных аппаратов?
При оптимизации формы подводных аппаратов преследуются цели повышения их эффективности и снижения затрат энергии при движении под водой. Это позволяет создавать более эффективные машины для океанографических исследований и измерений, а также для изучения подводных пространств.
5. Какие перспективы открывает использование искусственного интеллекта для проектирования подводных аппаратов?
Использование искусственного интеллекта для проектирования подводных аппаратов открывает перспективы создания новых, более эффективных форм, ускорения процесса разработки и тестирования новых конструкций, а также разработки машин, способных адаптироваться к внезапным изменениям условий эксплуатации. Это может привести к созданию более совершенных подводных аппаратов для океанографических исследований и других целей.