Máy tính cho môi trường đại dương: Thiết bị dưới nước lấy cảm hứng từ sinh học & thuật toán bầy đàn cho phương tiện robot

Các kỹ sư cơ khí và đại dương của MIT đang sử dụng những tiến bộ trong máy tính khoa học để giải quyết nhiều thách thức của đại dương và nắm bắt cơ hội của nó.

Có rất ít môi trường khắc nghiệt như đại dương. Các mô hình thời tiết không thể đoán trước và những hạn chế về mặt thông tin liên lạc của nó đã khiến những vùng biển rộng lớn chưa được khám phá và bị che đậy trong bí ẩn.

Wim van Rees, Giáo sư Phát triển Nghề nghiệp ABS tại MIT cho biết: “Đại dương là một môi trường hấp dẫn với một số thách thức hiện nay như vi nhựa, tảo nở hoa, tẩy trắng san hô và nhiệt độ tăng cao. “Đồng thời, đại dương nắm giữ vô số cơ hội – từ nuôi trồng thủy sản đến thu hoạch năng lượng và khám phá nhiều sinh vật đại dương mà chúng ta chưa khám phá ra.”

Các kỹ sư đại dương và kỹ sư cơ khí, như van Rees, đang sử dụng những tiến bộ trong máy tính khoa học để giải quyết nhiều thách thức của đại dương và nắm bắt cơ hội của nó. Các nhà nghiên cứu này đang phát triển các công nghệ để hiểu rõ hơn về các đại dương của chúng ta và cách cả sinh vật và phương tiện do con người tạo ra có thể di chuyển trong chúng, từ quy mô vi mô đến quy mô vĩ mô.

Thiết bị dưới nước lấy cảm hứng từ sinh học

Một điệu nhảy phức tạp diễn ra khi cá lao qua nước. Các vây linh hoạt vỗ trong dòng nước, để lại dấu vết của dòng xoáy khi chúng thức dậy.

“Cá có hệ cơ bên trong phức tạp để thích nghi với hình dạng chính xác của cơ thể và vây của chúng. Điều này cho phép chúng tự đẩy mình theo nhiều cách khác nhau, vượt xa những gì mà bất kỳ phương tiện nhân tạo nào có thể làm được về khả năng cơ động, nhanh nhẹn hoặc thích ứng, ”van Rees giải thích.

Theo van Rees, nhờ những tiến bộ trong sản xuất phụ gia, kỹ thuật tối ưu hóa và học máy, chúng ta đang tiến gần hơn đến việc tái tạo vây cá linh hoạt và biến hình để sử dụng trong chế tạo robot dưới nước. Do đó, cần phải hiểu rõ hơn về cách các vây mềm này tác động đến lực đẩy.

Van Rees và nhóm của ông đang phát triển và sử dụng các phương pháp tiếp cận mô phỏng số để khám phá không gian thiết kế cho các thiết bị dưới nước có mức độ tự do tăng lên, chẳng hạn như do vây cá, có thể biến dạng.

Những mô phỏng này giúp nhóm nghiên cứu hiểu rõ hơn về tác động qua lại giữa chất lỏng và cơ học cấu trúc của vây mềm, linh hoạt của cá khi chúng di chuyển trong dòng chất lỏng. Nhờ đó, họ có thể hiểu rõ hơn về việc các biến dạng hình dạng vây có thể gây hại hoặc cải thiện hiệu suất bơi như thế nào. “Bằng cách phát triển các kỹ thuật số chính xác và triển khai song song có thể mở rộng, chúng tôi có thể sử dụng siêu máy tính để giải quyết chính xác những gì xảy ra tại giao diện giữa luồng và cấu trúc này,” van Rees cho biết thêm.

Thông qua việc kết hợp các thuật toán mô phỏng của mình cho các cấu trúc linh hoạt dưới nước với các kỹ thuật máy học và tối ưu hóa, van Rees đặt mục tiêu phát triển một công cụ thiết kế tự động cho thế hệ thiết bị tự động dưới nước mới. Công cụ này có thể giúp các kỹ sư và nhà thiết kế phát triển, chẳng hạn như vây robot và các phương tiện dưới nước có thể điều chỉnh hình dạng một cách thông minh để đạt được mục tiêu hoạt động tức thời của chúng tốt hơn – cho dù đó là bơi nhanh hơn và hiệu quả hơn hay thực hiện các hoạt động cơ động.

“Chúng tôi có thể sử dụng tính năng tối ưu hóa này và AI để thực hiện thiết kế ngược bên trong toàn bộ không gian tham số và tạo ra các thiết bị thông minh, có thể thích ứng ngay từ đầu hoặc sử dụng các mô phỏng riêng lẻ chính xác để xác định các nguyên tắc vật lý giúp xác định lý do tại sao một hình dạng hoạt động tốt hơn hình dạng khác”, van Rees giải thích .

Thuật toán tập hợp cho các phương tiện robot

Giống như van Rees, Nhà khoa học nghiên cứu chính Michael Benjamin muốn cải thiện cách các phương tiện di chuyển trên mặt nước. Vào năm 2006, khi đó là một postdoc tại MIT, Benjamin đã khởi động một dự án phần mềm mã nguồn mở cho một công nghệ điều khiển tự động do anh phát triển. Phần mềm, đã được các công ty như Sea Machines, BAE / Riptide, Thales UK, và Rolls Royce, cũng như Hải quân Hoa Kỳ, sử dụng một phương pháp mới để tối ưu hóa đa mục tiêu. Phương pháp tối ưu hóa này, được phát triển bởi Benjamin trong quá trình làm việc Tiến sĩ của mình, cho phép một chiếc xe tự động chọn hướng, tốc độ, độ sâu và hướng mà nó sẽ đi vào để đạt được nhiều mục tiêu đồng thời.

Giờ đây, Benjamin đang đưa công nghệ này tiến thêm một bước nữa bằng cách phát triển các thuật toán tránh chướng ngại vật và bầy đàn. Các thuật toán này sẽ cho phép hàng chục phương tiện không người lái giao tiếp với nhau và khám phá một phần nhất định của đại dương.

Để bắt đầu, Benjamin đang xem xét cách phân tán tốt nhất các phương tiện tự hành trong đại dương.

“Giả sử bạn muốn phóng 50 phương tiện vào một khu vực của Biển Nhật Bản. Chúng tôi muốn biết: Liệu có hợp lý khi thả tất cả 50 phương tiện tại một điểm, hoặc để một người mẹ thả chúng tại một số điểm nhất định trong một khu vực nhất định? ” Benjamin giải thích.

Ông và nhóm của mình đã phát triển các thuật toán trả lời câu hỏi này. Sử dụng công nghệ di chuyển theo nhóm, mỗi phương tiện thông báo định kỳ vị trí của mình với các phương tiện khác gần đó. Phần mềm của Benjamin cho phép các phương tiện này phân tán theo một phân bố tối ưu cho phần đại dương mà chúng đang hoạt động.

Trọng tâm của sự thành công của các phương tiện đông đúc là khả năng tránh va chạm. Việc tránh va chạm rất phức tạp theo các quy tắc hàng hải quốc tế được gọi là COLREGS – hoặc “Quy định về va chạm”. Những quy tắc này xác định phương tiện nào có “quyền được ưu tiên” khi băng qua các lối đi, đặt ra một thách thức độc đáo cho các thuật toán di chuyển của Benjamin.

Các COLREGS được viết dưới góc độ tránh một va chạm đơn lẻ khác, nhưng thuật toán bầy đàn của Benjamin phải tính đến nhiều phương tiện không được lái đang cố gắng tránh va chạm với nhau.

Để giải quyết vấn đề này, Benjamin và nhóm của ông đã tạo ra một thuật toán tối ưu hóa đa đối tượng để xếp hạng các thao tác cụ thể trên thang điểm từ 0 đến 100. Số 0 là va chạm trực tiếp, trong khi 100 có nghĩa là các phương tiện hoàn toàn tránh va chạm.

Benjamin cho biết: “Phần mềm của chúng tôi là phần mềm hàng hải duy nhất mà tối ưu hóa đa mục tiêu là cơ sở toán học cốt lõi để ra quyết định.

Trong khi các nhà nghiên cứu như Benjamin và van Rees sử dụng máy học và tối ưu hóa đa mục tiêu để giải quyết sự phức tạp của các phương tiện di chuyển trong môi trường đại dương, những người khác như Pierre Lermusiaux, Giáo sư Nam Pyo Suh tại MIT, sử dụng máy học để hiểu rõ hơn về môi trường đại dương.

Cải thiện mô hình và dự đoán đại dương

Đại dương có lẽ là ví dụ điển hình nhất về cái được gọi là một hệ thống động lực phức tạp. Động lực của chất lỏng, thủy triều thay đổi, mô hình thời tiết và biến đổi khí hậu làm cho đại dương trở thành một môi trường không thể đoán trước được, thay đổi từ thời điểm này sang thời điểm tiếp theo. Bản chất luôn thay đổi của môi trường đại dương có thể khiến việc dự báo trở nên vô cùng khó khăn.

Các nhà nghiên cứu đã sử dụng các mô hình hệ thống động lực học để đưa ra các dự đoán về môi trường đại dương, nhưng như Lermusiaux giải thích, các mô hình này có những hạn chế của chúng.

“Bạn không thể tính đến từng phân tử nước trong đại dương khi phát triển các mô hình. Độ phân giải và độ chính xác của các mô hình và các phép đo đại dương bị hạn chế. Có thể có một điểm dữ liệu mô hình cứ sau 100 mét, mỗi km hoặc, nếu bạn đang xem xét các mô hình khí hậu của đại dương toàn cầu, bạn có thể có một điểm dữ liệu cứ sau mỗi 10 km hoặc lâu hơn. Điều đó có thể có tác động lớn đến độ chính xác của dự đoán của bạn, ”Lermusiaux giải thích.

Nghiên cứu sinh Abhinav Gupta và Lermusiaux đã phát triển một khuôn khổ học máy mới để giúp bù đắp cho việc thiếu độ phân giải hoặc độ chính xác trong các mô hình này. Thuật toán của họ lấy một mô hình đơn giản với độ phân giải thấp và có thể lấp đầy khoảng trống, mô phỏng một mô hình phức tạp, chính xác hơn với độ phân giải cao.

Lần đầu tiên, khung của Gupta và Lermusiaux tìm hiểu và giới thiệu độ trễ thời gian trong các mô hình gần đúng hiện có để cải thiện khả năng dự đoán của chúng.

“Mọi thứ trong thế giới tự nhiên không xảy ra ngay lập tức; tuy nhiên, tất cả các mô hình phổ biến đều giả định rằng mọi thứ đang diễn ra trong thời gian thực, ”Gupta nói. “Để làm cho một mô hình gần đúng chính xác hơn, máy học và dữ liệu bạn đang nhập vào phương trình cần phải thể hiện tác động của các trạng thái trong quá khứ đối với dự đoán trong tương lai.”

“Mô hình đóng nơ ron” của nhóm nghiên cứu, giải thích cho những sự chậm trễ này, có khả năng dẫn đến những dự đoán được cải thiện cho những thứ chẳng hạn như dòng xoáy Loop chạm vào một giàn khoan dầu ở Vịnh Mexico hoặc số lượng thực vật phù du trong một phần nhất định của đại dương .

Khi các công nghệ điện toán như mô hình đóng nơ-ron của Gupta và Lermusiaux tiếp tục được cải thiện và phát triển, các nhà nghiên cứu có thể bắt đầu khám phá thêm nhiều bí ẩn của đại dương và phát triển các giải pháp cho nhiều thách thức mà đại dương của chúng ta phải đối mặt.

Theo Scitechdaily