AI-Enhanced Automatic Design of Efficient Underwater Gliders

要約

主に手動の試行錯誤に大きく依存している従来の設計ツールに依存しているため、新しい自律的な水中グライダーの開発は、形状の多様性が限られていることによって妨げられています。
自動設計フレームワークの構築は、グライダーの形状を表現する複雑さと、複雑な固体フルイド相互作用のモデリングに関連する高い計算コストのために、困難です。
この作業では、非自明の船体形状の水中ロボットの作成を可能にすることにより、これらの制限を克服するために設計されたAI強化された自動計算フレームワークを導入します。
私たちのアプローチには、形状信号と制御信号の両方を共同最適化するアルゴリズムが含まれ、縮小されたジオメトリ表現と微分可能なニューラルネットワークベースの流体サロゲートモデルを利用します。
このエンドツーエンドの設計ワークフローは、流体力学的性能の迅速な反復と評価を促進し、さまざまな制御設定で最適で複雑な船体形状の発見につながります。
風洞実験とスイミングプールの滑空テストを通じて、私たちの方法を検証し、計算で設計されたグライダーがエネルギー効率の観点から手動で設計されたカウンターパートを上回ることを示しています。
効率的な形状表現と神経液の代理モデルの課題に対処することにより、私たちの仕事は、長距離の海洋探査と環境監視に影響を与える非常に効率的な水中グライダーの開発への道を開きます。

要約(オリジナル)

The development of novel autonomous underwater gliders has been hindered by limited shape diversity, primarily due to the reliance on traditional design tools that depend heavily on manual trial and error. Building an automated design framework is challenging due to the complexities of representing glider shapes and the high computational costs associated with modeling complex solid-fluid interactions. In this work, we introduce an AI-enhanced automated computational framework designed to overcome these limitations by enabling the creation of underwater robots with non-trivial hull shapes. Our approach involves an algorithm that co-optimizes both shape and control signals, utilizing a reduced-order geometry representation and a differentiable neural-network-based fluid surrogate model. This end-to-end design workflow facilitates rapid iteration and evaluation of hydrodynamic performance, leading to the discovery of optimal and complex hull shapes across various control settings. We validate our method through wind tunnel experiments and swimming pool gliding tests, demonstrating that our computationally designed gliders surpass manually designed counterparts in terms of energy efficiency. By addressing challenges in efficient shape representation and neural fluid surrogate models, our work paves the way for the development of highly efficient underwater gliders, with implications for long-range ocean exploration and environmental monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google