Marco de diseño computacional. Crédito: ARXIV (2025). Doi: 10.48550/arxiv.2505.00222
Los científicos marinos se han maravillado de cómo los animales como los peces y las focas nadan de manera tan eficiente a pesar de tener diferentes formas. Sus cuerpos están optimizados para una navegación acuática eficiente (o hidrodinámica), por lo que pueden ejercer energía mínima cuando viajan largas distancias.
Los vehículos autónomos pueden derivar por el océano de manera similar, recopilando datos sobre vastas entornos submarinos. Sin embargo, las formas de estas máquinas de deslizamiento son menos diversas que las que encontramos en la vida marina: los diseños de referencia a menudo se asemejan a tubos o torpedos, ya que son bastante hidrodinámicos. Además, probar nuevas compilaciones requiere muchas pruebas y errores del mundo real.
Investigadores del Laboratorio de Informática e Inteligencia Artificial del MIT (CSAIL) y la Universidad de Wisconsin-Madison proponen que AI podría ayudarnos a explorar diseños de planeadores desconocidos de manera más conveniente. La investigación es publicado en el servidor de preimpresión ARXIV.
Su método utiliza el aprendizaje automático para probar diferentes diseños 3D en un simulador de física, luego los moldea en formas más hidrodinámicas. El modelo resultante se puede fabricar a través de una impresora 3D que usa significativamente menos energía que las hechas por el hombre.
Los científicos del MIT dicen que esta tubería de diseño podría crear máquinas nuevas y más eficientes que ayudan a los oceanógrafos a medir la temperatura del agua y los niveles de sal, recolectar ideas más detalladas sobre las corrientes y monitorear los impactos del cambio climático.
El equipo demostró este potencial al producir dos planeadores aproximadamente del tamaño de un tablero de boogie: una máquina de dos alas que se asemeja a un avión y un objeto único de cuatro alas se asemeja a un pez plano con cuatro aletas.
Peter Yichen Chen, Postdoc de MIT, afiliado de CSAIL e investigador co-líder en el proyecto, señala que estos diseños son solo algunos de las formas novedosas que puede generar el enfoque de su equipo.
“Hemos desarrollado un proceso semiautomático que puede ayudarnos a probar diseños no convencionales que serían muy exigentes para los humanos de diseñar”, dice. “Este nivel de diversidad de formas no se ha explorado anteriormente, por lo que la mayoría de estos diseños no se han probado en el mundo real”.
Pero, ¿cómo se le ocurrió AI estas ideas en primer lugar? Primero, los investigadores encontraron modelos 3D de más de veinte formas convencionales de exploración marítima, como submarinos, ballenas, manta rayos y tiburones. Luego, encerraron estos modelos en “jaulas de deformación” que mapean diferentes puntos de articulación que los investigadores lograron para crear nuevas formas.
El equipo dirigido por CSAIL construyó un conjunto de datos de formas convencionales y deformadas antes de simular cómo funcionarían en diferentes “ángulos de ataque”, la dirección que un recipiente se inclinará mientras se desliza a través del agua. Por ejemplo, un nadador puede querer bucear en un ángulo de -30 ° para recuperar un artículo de una piscina.
Estas diversas formas y ángulos de ataque se usaron como entradas para una red neuronal que esencialmente anticipa cuán eficientemente funcionará una forma de planeador en ángulos particulares y la optimiza según sea necesario.
Darle a los robots deslizantes un ascensor
La red neuronal del equipo simula cómo reaccionaría un planeador particular ante la física submarina, con el objetivo de capturar cómo avanza y la fuerza que se arrastra contra él. El objetivo: encontrar la mejor relación ascensor-drag, que representa cuánto se retiene el planeador en comparación con cuánto se retiene. Cuanto mayor sea la relación, más eficientemente viaja el vehículo; Cuanto más bajo sea, más se reducirá el planeador durante su viaje.
Las relaciones de elevación a arrastre son clave para los aviones voladores: en el despegue, desea maximizar el elevador para asegurarse de que pueda deslizarse bien contra las corrientes del viento, y al aterrizar, necesita una fuerza suficiente para arrastrarlo a una parada completa.
El estudiante de posgrado del MIT y afiliado de CSAIL Niklas Hagemann señala que esta relación es igual de útil si desea un movimiento de deslizamiento similar en el océano.
“Nuestra tubería modifica las formas del planeador para encontrar la mejor relación elevación a arrastre, optimizando su rendimiento bajo el agua”, dice Hagemann, otro autor co-líder en el documento que se presentará en la Conferencia Internacional sobre Robótica y Automatización (ICRA). “Luego puede exportar los diseños de alto rendimiento para que puedan imprimirse en 3D”.
Yendo por un deslizamiento rápido
Si bien su tubería de IA parecía realista, los investigadores necesitaban garantizar que sus predicciones sobre el rendimiento del planeador fueran precisas al experimentar en entornos más realistas.
Primero fabricaron su diseño de dos alas como un vehículo escalado que se asemeja a un avión de papel. Este planeador fue llevado al túnel de viento Wright Brothers del MIT, un espacio interior con ventiladores que simulan el flujo de viento.
Colocada en diferentes ángulos, la relación de elevación a arrastre predicha del planeador fue solo aproximadamente un 5% más alta en promedio que las registradas en los experimentos de viento, una pequeña diferencia entre la simulación y la realidad.
Una evaluación digital que involucra un simulador de física visual y más complejo también admitió la noción de que la tubería de IA hizo predicciones bastante precisas sobre cómo se moverían los planeadores. Visualizó cómo estas máquinas descenderían hacia abajo en 3D.
Sin embargo, para evaluar realmente a estos planeadores en el mundo real, el equipo necesitaba ver cómo les iría a sus dispositivos bajo el agua. Imprimieron dos diseños que funcionaron mejor en puntos de ataque específicos para esta prueba: un dispositivo tipo chorro a 9 ° y el vehículo de cuatro alas a 30 °.
Ambas formas se fabricaron en una impresora 3D como conchas huecas con pequeños agujeros que se inundan cuando están completamente sumergidos. Este diseño liviano hace que el vehículo sea más fácil de manejar fuera del agua y requiere menos material para fabricar.
Los investigadores colocaron un dispositivo con forma de tubo dentro de estas cubiertas de carcasa, que albergaba una gama de hardware, incluida una bomba para cambiar la flotabilidad del planeador, una palanca de cambios masiva (un dispositivo que controla el ángulo de ataque de la máquina) y los componentes electrónicos.
Cada diseño superó un planeador en forma de torpedos artificial al moverse con más eficiencia a través de una piscina. Con relaciones más altas de elevación a arrastre que su contraparte, ambas máquinas impulsadas por la IA ejercían menos energía, similar a las formas sin esfuerzo en los animales marinos que navegan por los océanos.
Por mucho que el proyecto sea un paso alentador para el diseño del planeador, los investigadores buscan reducir la brecha entre la simulación y el rendimiento del mundo real. También esperan desarrollar máquinas que puedan reaccionar a cambios repentinos en las corrientes, lo que hace que los planeadores sean más adaptables a los mares y los océanos.
Chen agrega que el equipo está buscando explorar nuevos tipos de formas, particularmente diseños de planeadores más delgados. Tienen la intención de hacer que su marco sea más rápido, tal vez reforzándolo con nuevas características que permitan una mayor personalización, maniobrabilidad o incluso la creación de vehículos en miniatura.
Chen y Hagemann lideraron una investigación sobre este proyecto con el investigador de OpenAI Pingchuan Ma SM Ph.D.
Más información: Peter Yichen Chen et al, diseño automático mejorado de AI de planeadores submarinos eficientes, ARXIV (2025). Doi: 10.48550/arxiv.2505.00222
Información en el diario: ARXIV
Proporcionado por el Instituto de Tecnología de Massachusetts
Cita: AI diseña nuevos planeadores submarinos con formas inspiradas en animales marinos (2025, 4 de julio) Recuperado el 4 de julio de 2025 de https://techxplore.com/news/2025-07-ai-underwater-gliders-marine-animals.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
