世界

AIは自律的な水中「グライダー」を形作りますMITニュース

海洋科学者は、魚やアザラシのような動物が異なる形をしているにもかかわらず、どのように効率的に泳ぐかに長い間驚いてきました。彼らの体は、効率的で流体力学的な水生ナビゲーションのために最適化されているため、長距離を移動するときに最小限のエネルギーを発揮できます。自動運転車は、同様の方法で海を漂流し、広大な水中環境に関するデータを収集することができます。ただし、これらの滑空機の形状は、海洋生物で見られるものよりも多様ではありません。これは、かなり流体力学的であるため、しばしばチューブや魚雷に似ています。さらに、新しいビルドをテストするには、多くの現実世界の試行錯誤が必要です。MITのコンピューターサイエンスおよび人工知能研究所（CSAIL）の研究者とウィスコンシン大学マディソン校は、AIが未知のグライダーデザインをより便利に探索するのに役立つと提案しています。それらの方法は、機械学習を使用して、物理シミュレーターでさまざまな3Dデザインをテストし、それらをより流体力学的形状に成形します。結果のモデルは、手作りのエネルギーよりも大幅に少ないエネルギーを使用して、3Dプリンターを介して製造できます。MITの科学者は、この設計パイプラインが、海洋学者が水温と塩のレベルを測定し、流れに関するより詳細な洞察を収集し、気候変動の影響を監視するのに役立つ、新しいより効率的なマシンを作成できると言います。チームは、ブギーボードの大きさの2つのグライダーを生産することにより、この可能性を実証しました。飛行機に似た2つの翼のマシンと、4つのフィンを持つ平らな魚に似たユニークな4翼のオブジェクトです。しかし、AIはそもそもこれらのアイデアをどのように思いついたのでしょうか？最初に、研究者は、潜水艦、クジラ、マンタ、サメなど、20を超える従来の海の探査形状の3Dモデルを発見しました。次に、これらのモデルを「変形ケージ」に囲み、研究者が新しい形状を作成するために引っ張ったさまざまな関節点をマッピングしました。CSAIL主導のチームは、異なる「攻撃角」でどのように機能するかをシミュレートする前に、従来の形状と変形した形状のデータセットを構築しました。たとえば、スイマーは、プールからアイテムを取得するために-30度の角度で潜ることをお勧めします。これらの多様な形状と攻撃の角度は、グライダー形状が特定の角度でどれだけ効率的に機能し、必要に応じて最適化するかを本質的に予測するニューラルネットワークの入力として使用されました。滑空ロボットにリフトを与えますチームのニューラルネットワークは、特定のグライダーが水中物理学にどのように反応するかをシミュレートし、それがどのように前方に移動するかとそれに引きずられる力をキャプチャすることを目指しています。目標：グライダーが抑制されている量と比較して、グライダーがどれだけ上昇しているかを表す最高のリフトとドラッグの比率を見つけます。比率が高いほど、車両がより効率的に移動します。それが低いほど、グライダーは航海中に遅くなります。飛行機のリフト対ドラッグ比は鍵です。離陸時には、リフトを最大化して風の流れに対してうまく滑ることができることを確認し、着陸するときは、それを完全に停止するのに十分な力が必要です。建築およびCSAILアフィリエイトのMIT大学院生であるNiklas Hagemannは、海で同様の滑空動作が必要な場合にこの比率も有用であると指摘しています。「当社のパイプラインはグライダーシェイプを変更して最高のリフト対ドラグ比を見つけ、パフォーマンスを水中で最適化します」と、Hagemannは言います。 紙 これは、6月のロボットと自動化に関する国際会議で発表されました。 「その後、トップパフォーマンスのデザインをエクスポートして、3Dプリントできるようにすることができます。」簡単な滑空に行きます彼らのAIパイプラインは現実的に思えましたが、研究者は、よりリアルな環境で実験することで、グライダーのパフォーマンスに関する予測が正確であることを確認する必要がありました。彼らは最初、紙飛行機に似たスケーリングされた車両として2翼のデザインを製造しました。このグライダーは、ミットのライトブラザーズウィンドトンネルに連れて行かれました。これは、風の流れをシミュレートするファンがいる屋内スペースです。さまざまな角度に配置されたグライダーの予測されたリフトとドラッグの比率は、風の実験で記録されたものよりも平均で約5％高くなりました。これは、シミュレーションと現実の違いです。視覚的でより複雑な物理シミュレーターを含むデジタル評価は、AIパイプラインがグライダーがどのように動くかについてかなり正確な予測を行ったという概念もサポートしました。これらのマシンが3Dでどのように下降するかを視覚化しました。しかし、現実の世界でこれらのグライダーを真に評価するために、チームは彼らのデバイスがどのように水中で運ばれるかを見る必要がありました。彼らは、このテストの特定の攻撃で最高のパフォーマンスを発揮する2つのデザインを印刷しました：9度のジェットのようなデバイスと30度の4翼の車両。両方の形状は、完全に水没すると浸水する小さな穴のある中空のシェルとして3Dプリンターで製造されました。この軽量のデザインにより、車両は水の外で扱いやすくなり、製造するために少ない材料を必要とします。研究者は、これらのシェルカバーの内側にチューブのようなデバイスを配置しました。これには、グライダーの浮力を変更するポンプ、質量シフター（マシンの攻撃角を制御するデバイス）、電子コンポーネントなど、さまざまなハードウェアが収容されました。各デザインは、プールをより効率的に移動することにより、手作りの魚雷型グライダーよりも優れていました。カウンターパートよりもリフト対ドラグとドラッグの比率が高いため、両方のAI駆動型マシンは、海洋動物が海洋を航行する楽な方法と同様に、エネルギーが少なくなりました。プロジェクトがグライダーデザインにとって励みになる一歩である限り、研究者はシミュレーションと現実世界のパフォーマンスのギャップを狭めることを目指しています。彼らはまた、流れの突然の変化に反応する可能性のある機械を開発し、グライダーを海や海により適応させることを望んでいます。チェンは、チームが新しいタイプの形状、特により薄いグライダーデザインを探求しようとしていると付け加えました。彼らはフレームワークをより速くするつもりであり、おそらくより多くのカスタマイズ、操作性、またはミニチュア車の作成を可能にする新機能でそれを強化するつもりです。ChenとHagemannは、Openaiの研究者Pingchuan Ma SM '23、PhD '25とのこのプロジェクトに関する共同主導の研究。彼らは、マディソン大学の助教授で最近のCSAIL Postdocのウィスコンシン大学であるWei Wangとともに論文を執筆しました。 John Romanishin '12、SM '18、PhD '23; 2人のMIT教授とCSAILメンバー：ラボディレクターのダニエラルー監督と上級著者のWojciech Matusik。彼らの仕事は、一部には、防衛先進研究プロジェクト局（DARPA）助成金とMIT-GISTプログラムによって支援されました。 #AIは自律的な水中グライダーを形作りますMITニュース