水下航行器设计新纪元:人工智能赋能流体动力学优化
长期以来,海洋科学家们一直对鱼类和海豹等生物在水中高效游动的能力感到惊叹。尽管它们的体型各异,但都拥有经过优化的身体结构,能够在水下环境中以最小的能量消耗进行长距离移动。这种高效的流体动力学设计,是它们在海洋中生存和繁衍的关键。
近年来,自主水下航行器(AUV)的发展为海洋数据的收集提供了新的途径。这些航行器能够在水下环境中自主漂流,收集关于海洋温度、盐度、洋流等各种数据。然而,与海洋生物相比,目前AUV的设计在形状上相对单一,通常采用管状或鱼雷状等较为简单的流体动力学外形。这种设计虽然具有一定的效率,但在复杂多变的海洋环境中,其性能仍有提升空间。
为了探索更高效、更具适应性的AUV设计,麻省理工学院(MIT)计算机科学与人工智能实验室(CSAIL)的研究人员与威斯康星大学麦迪逊分校的合作者们,提出了一种基于人工智能的设计方法。该方法利用机器学习技术,在物理模拟环境中对不同的三维设计进行测试,并根据测试结果对设计进行优化,使其具有更优异的流体动力学性能。与传统的手工设计方法相比,这种AI驱动的设计流程能够显著降低能源消耗,并快速生成具有创新性的AUV模型,并可以通过3D打印快速实现。
AI驱动的AUV设计流程
MIT的研究人员表示,这种AI驱动的设计流程有望催生出更高效的新型AUV,从而帮助海洋学家更准确地测量水温和盐度,更详细地了解洋流,并监测气候变化对海洋的影响。为了验证这一潜力,研究团队利用该方法制造了两款尺寸与冲浪板相近的AUV:一款是类似于飞机的双翼结构,另一款是独特的四翼结构,其外形类似于带有四个鳍的扁平鱼类。
MIT CSAIL博士后、该项目共同负责人Peter Yichen Chen指出,这些设计仅仅是他的团队方法能够生成的众多新颖形状中的一小部分。“我们开发了一种半自动化流程,可以帮助我们测试非常规的设计,而这些设计对于人类来说设计起来将非常困难,”他说。“这种形状多样性以前从未被探索过,因此大多数这些设计尚未在现实世界中进行测试。”
那么,人工智能是如何产生这些设计的呢?首先,研究人员找到了20多个传统海洋探索形状的三维模型,例如潜艇、鲸鱼、蝠鲼和鲨鱼。然后,他们将这些模型封闭在“变形笼”中,这些笼子标绘出不同的铰接点,研究人员拉动这些铰接点以创建新的形状。
CSAIL领导的团队构建了一个包含传统和变形形状的数据集,然后在模拟它们在不同“攻角”下的性能——即船只在水中滑行时倾斜的方向。例如,游泳者可能希望以-30度的角度潜水以从游泳池中取回物品。
这些不同的形状和攻角随后被用作神经网络的输入,该网络基本上可以预测滑翔机形状在特定角度下的效率,并根据需要对其进行优化。
提升滑翔机器人的性能
该团队的神经网络模拟了特定的滑翔机将如何对水下物理做出反应,旨在捕捉它如何向前移动以及阻碍它的力。目标:找到最佳的升阻比,表示滑翔机被抬起多少以及被拉回多少。比率越高,车辆行驶效率越高;比率越低,滑翔机在航行过程中减速越多。
升阻比是飞机飞行的关键:起飞时,您需要最大限度地提高升力,以确保它可以很好地抵抗风力,而在着陆时,您需要足够的力来将其拖到完全停止。
MIT建筑学研究生兼CSAIL附属机构Niklas Hagemann指出,如果您想要在海洋中获得类似的滑翔运动,则此比率同样有用。
Hagemann说:“我们的流程会修改滑翔机形状以找到最佳升阻比,从而优化其在水下的性能。”Hagemann也是一篇论文的合著者,该论文在6月的国际机器人与自动化会议上发表。“然后,您可以导出性能最佳的设计,以便可以进行3D打印。”
快速滑行
虽然他们的人工智能流程看起来很真实,但研究人员需要通过在更逼真的环境中进行实验来确保其对滑翔机性能的预测是准确的。
他们首先将双翼设计制造为类似于纸飞机的缩小版车辆。该滑翔机被带到麻省理工学院的莱特兄弟风洞,这是一个具有模拟风扇的室内空间。滑翔机以不同的角度放置,其预测的升阻比平均仅比风力实验中记录的升阻比高约5%——模拟与现实之间的一个小差异。
涉及视觉的数字评估,更复杂的物理模拟也支持了人工智能流程对滑翔机运动方式做出相当准确的预测的观点。它可视化了这些机器如何在3D中下降。
但是,要真正评估这些滑翔机在现实世界中的性能,团队需要了解其设备在水下的表现。他们打印了两种在特定攻击点(9度的喷气式设备和30度的四翼车辆)表现最佳的设计以进行此测试。
两种形状均在3D打印机中制造为带有小孔的空心外壳,当完全浸没时会淹没。这种轻巧的设计使车辆在水外更容易操作,并且需要更少的材料来制造。研究人员将管状设备放置在这些外壳覆盖物内,其中包含一系列硬件,包括用于改变滑翔机浮力的泵,质量转移器(一种控制机器攻角的设备)和电子组件。
每个设计都比手工制造的鱼雷形滑翔机性能更好,因为它在游泳池中移动得更有效率。由于升阻比高于同类产品,因此两种人工智能驱动的机器都消耗了更少的能量,类似于海洋动物毫不费力地在海洋中航行的方式。
就像该项目是滑翔机设计向前迈出的令人鼓舞的一步一样,研究人员希望缩小模拟与现实世界性能之间的差距。他们还希望开发能够对洋流的突然变化做出反应的机器,从而使滑翔机更适应海洋。
Chen补充说,该团队正在寻找探索新型形状的方法,尤其是更薄的滑翔机设计。他们打算使他们的框架更快,也许可以用使其能够进行更多定制,可操纵性甚至创建微型车辆的新功能来增强它。
Chen和Hagemann与OpenAI研究员Pingchuan Ma SM'23,PhD'25共同领导了该项目的研究。他们与威斯康星大学麦迪逊分校助理教授兼CSAIL博士后Wei Wang,John Romanishin'12,SM'18,PhD'23和两位MIT教授和CSAIL成员共同撰写了该论文:实验室主任Daniela Rus和资深作者Wojciech Matusik。他们的工作得到了国防高级研究计划局(DARPA)赠款和MIT-GIST计划的部分支持。
结论与展望
人工智能正在为水下航行器的设计带来革命性的变革。通过结合机器学习和物理模拟,研究人员能够快速生成具有创新性的AUV设计,并优化其流体动力学性能。这些AI驱动的AUV有望在海洋数据收集、环境监测和气候变化研究等领域发挥重要作用。未来,随着AI技术的不断发展,我们有理由期待更加高效、智能、适应性更强的水下航行器的出现,为人类探索和利用海洋提供更强大的工具。
未来发展方向
- 优化算法:进一步提升AI算法的效率和准确性,使其能够更快速地生成和优化AUV设计。
- 材料创新:探索新型材料在AUV制造中的应用,例如轻质高强度复合材料,以提高AUV的性能和可靠性。
- 自主导航:开发更先进的自主导航系统,使AUV能够在复杂海洋环境中自主完成任务。
- 能源管理:研究更高效的能源管理技术,延长AUV的续航时间。
- 多功能集成:将多种传感器和设备集成到AUV中,使其能够执行更复杂的任务,例如海洋生物监测、海底地形测绘等。
案例分析
以MIT CSAIL团队开发的四翼AUV为例,该设计灵感来源于扁平鱼类。通过AI优化,该AUV在特定攻角下表现出优异的升阻比,使其能够在水下环境中高效滑行。与传统鱼雷状AUV相比,四翼AUV在能源消耗和运动灵活性方面具有明显优势。
数据佐证
MIT CSAIL团队的实验结果表明,AI驱动的AUV设计在升阻比方面优于传统设计。在风洞实验和水下实验中,AI驱动的AUV均表现出更高的效率和更低的能源消耗。这些数据充分证明了AI在AUV设计中的潜力。
通过以上分析,我们可以看到,人工智能正在为水下航行器的设计带来深刻的变革。随着技术的不断进步,我们有理由相信,AI将会在海洋探索和研究中发挥越来越重要的作用。