KI gestaltet marine Gleiter mit effizienteren Formen

Künstliche Intelligenz (KI) entwirft neue Unterwasser-Glider mit Formen, die von Meereslebewesen inspiriert sind. Ein computergestütztes Designverfahren, das von der Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT und der University of Wisconsin-Madison entwickelt wurde, veröffentlicht auf dem arXiv-Preprint-Server, ermöglicht es, innovative Glider-Formen zu generieren, die effizienter und energiearmer sind als herkömmliche Designs. Wissenschaftler im Bereich der Meeresforschung bewundern seit langem, wie effizient Fische und Seehunde schwimmen können, trotz unterschiedlicher Körperformen. Ihre Körper sind optimiert für eine effiziente Bewegung im Wasser (Hydrodynamik), was ihnen ermöglicht, minimale Energie aufzuwenden, um weite Strecken zurückzulegen. Autonome Fahrzeuge können ähnlich durch den Ozean gleiten und Daten über weit verbreitete Unterwasserumgebungen sammeln. Allerdings sind die Formen dieser Gleiter weniger vielfältig als bei Meereslebewesen, da sie oft tubenförmig oder torpedoförmig gestaltet werden, um hydrodynamisch zu sein. Neuere Designs erfordern jedoch viel Praxis und Wiederholung, um ihre Effizienz im echten Leben zu testen. Das Team aus dem MIT und der University of Wisconsin-Madison hat einen Ansatz vorgeschlagen, bei dem KI helfen soll, unkonventionelle Glider-Designs zu erforschen. Ihre Methode verwendet maschinelles Lernen, um verschiedene 3D-Modelle in einem Physiksimulator zu testen und dann in hydrodynamischere Formen zu formen. Diese Modelle können dann mittels 3D-Druck gefertigt werden und weniger Energie verbrauchen als herkömmliche konventionelle Fahrzeuge. Die Wissenschaftler haben ein Halbautomatisierungsverfahren entwickelt, das es ermöglicht, unkonventionelle Designs zu testen, die für Menschen sehr aufwendig wären. So konnten sie 3D-Modelle von über zwanzig herkömmlichen Meeresexplorationsformen, wie U-Boote, Wale, Mantas und Haie, in „Verformungskäfige“ einbetten, die verschiedene Artikulationspunkte definieren. Durch das Manipulieren dieser Punkte konnten sie neue Formen erstellen. Dieses umfangreiche Datenset wurde dann in einem neuronalen Netzwerk verwendet, das die Effizienz der Formen bei verschiedenen „Angriffswinkeln“ simuliert—der Neigungswinkel, unter dem das Fahrzeug durch das Wasser gleitet. Die Ergebnisse zeigten, dass die KI-gesteuerten Designs, insbesondere ein zweiflügliger Glider, der einer Flugzeugform ähnelt, und ein einzigartiger vierflüglicher Glider, der einem flachen Fisch mit vier Flossen gleicht, effizienter waren als herkömmliche torpedoförmige Fahrzeuge. Peter Yichen Chen, Postdoc am MIT und Co-Autor der Studie, betont: „Unser Verfahren kann uns helfen, unkonventionelle Designs zu testen, die für Menschen sehr aufwendig wären. Diese Vielfalt an Formen wurde bisher nicht ausreichend erforscht.“ Um die Vorhersagen der KI über die Leistung der Glider zu verifizieren, führten die Forscher zunächst Tests in einer realistischeren Umgebung durch. Sie fabrizierten das zweiflüglige Design als verkleinertes Modell, das einer Papierflieger ähnelt, und testeten es in der Wright Brothers Wind Tunnel am MIT, einer Anlage mit Ventilatoren, die Windströmungen simulieren. Die vorhergesagten Lift-Drag-Verhältnisse stimmten im Durchschnitt nur etwa 5 % von den in der Windtunnelversuch ermittelten Werten ab—ein geringer Unterschied zwischen Simulation und Realität. Zusätzlich unterstützte eine digitale Evaluation mit einem komplexeren Physiksimulator die Genauigkeit der KI-Vorhersagen, indem sie die Bewegung der Glider in 3D visualisierte. Um die Designs im echten Meerwasser zu evaluieren, druckten sie zwei Formen, die sich bei spezifischen Angriffswinkeln am besten bewiesen: ein jet-ähnliches Gerät bei 9° und der vierflügelige Glider bei 30°. Beide Formen wurden als hohle Schalen mit kleineren Löchern gefertigt, die beim Vollauftauchen mit Wasser gefüllt werden. Diese leichtgewichtige Konstruktion erleichtert das Handhaben außerhalb des Wassers und reduziert die benötigten Materialien. Innen befand sich ein tubenförmiges Gerät, das eine Reihe von Hardwarekomponenten beherbergt, darunter einen Pumpenmechanismus zur Steuerung der Auftriebsfähigkeit, einen Massenschifter zur Kontrolle des Angriffswinkels und elektronische Komponenten. In Pooltests bewegten sich beide KI-gesteuerten Designs effizienter als ein herkömmlicher torpedoförmiger Glider. Dank ihrer höheren Lift-Drag-Verhältnisse verbrauchten sie weniger Energie, vergleichbar mit der mühelosen Bewegung von Meereslebewesen. Obwohl das Projekt einen ermutigenden Schritt für die Glider-Entwicklung darstellt, suchen die Forscher nach Möglichkeiten, die Lücke zwischen Simulation und echter Leistung zu schließen. Sie planen, Maschinen zu entwickeln, die plötzlichen Veränderungen in den Strömungen reagieren können, was die Anpassungsfähigkeit der Glider an Meere und Ozeane erhöhen würde. Chen und Hagemann arbeiten zusammen mit dem OpenAI-Forscher Pingchuan Ma an der Weiterentwicklung ihres Frameworks, um es schneller zu machen und mehr Anpassungsmöglichkeiten, Manövrierfähigkeit oder sogar Miniaturfahrzeuge zu ermöglichen. Insgesamt bietet dieses Projekt neue Perspektiven für die Entwicklung energieeffizienter und leistungsfähiger Unterwasser-Glider, die wichtige Daten für Ozeanographen sammeln können, um Temperaturen, Salzgehalte, Strömungen und die Auswirkungen des Klimawandels zu messen. Branchenkenner bewerten die Arbeit als bedeutenden Fortschritt in der Roboterentwicklung und erwarten, dass sie zukünftige Meeresforschungsignalprojekte revolutionieren wird. MIT und die University of Wisconsin-Madison sind führende Institutionen in der Entwicklung neuer Technologien für Unterwasserexploration.