AI 형태의 자율 수중 ‘글라이더’

해양 과학자들은 물고기나 물개와 같은 동물이 크기가 매우 다름에도 불구하고 얼마나 효율적으로 헤엄치는지에 오랫동안 놀랐습니다. 그들의 몸은 효율적이고 유체역학적 수중 항해에 적합하도록 개조되어 장거리 여행 시 최소한의 에너지를 소비할 수 있습니다.

자율주행 차량도 마찬가지로 바다를 표류하며 광대한 수중 환경에 대한 데이터를 수집할 수 있습니다. 그러나 이러한 활공 기계의 모양은 해양 생물에서 볼 수 있는 것보다 덜 다양합니다. 일반적으로 사용되는 디자인은 유체 역학적 특성이 뛰어나 튜브나 어뢰와 유사한 경우가 많습니다. 또한 새로운 빌드를 테스트하려면 현실 세계에서 많은 시행착오가 필요합니다.

MIT 컴퓨터 과학 및 인공 지능 연구소(CSAIL)와 위스콘신 대학교 매디슨 캠퍼스의 연구원들은 AI가 알려지지 않은 글라이더 디자인을 더 쉽게 탐색하는 데 도움이 될 수 있다고 제안합니다. 그들의 방법은 기계 학습을 사용하여 물리 시뮬레이터에서 다양한 3D 설계를 테스트한 다음 이를 보다 유체역학적 형태로 성형합니다. 결과 모델은 손으로 만든 모델보다 훨씬 적은 에너지를 사용하여 3D 프린터를 통해 제작할 수 있습니다.

MIT 과학자들은 이 설계 파이프라인이 해양학자들이 수온과 염도를 측정하고 해류에 대한 보다 자세한 정보를 수집하며 기후 변화의 영향을 모니터링하는 데 도움이 되는 새롭고 보다 효율적인 기계를 만들 수 있다고 말합니다. 팀은 대략 부기 보드 크기의 두 개의 글라이더(비행기를 닮은 두 개의 날개가 있는 기계, 네 개의 날개가 있는 납작한 물고기와 유사한 독특한 네 개의 날개 개체)를 제작하여 이 기능을 시연했습니다.

MIT CSAL 박사후 연구원이자 이 프로젝트의 공동 연구원인 Peter Yichen Chen은 이러한 디자인이 그의 팀의 접근 방식이 생성할 수 있는 새로운 형태 중 일부라고 지적합니다. “우리는 인간이 설계하기 매우 어려운 색다른 설계를 테스트하는 데 도움이 되는 반자동 프로세스를 개발했습니다.”라고 그는 말합니다. “이러한 수준의 크기 다양성은 이전에 탐구된 적이 없기 때문에 이러한 디자인의 대부분은 실제 세계에서 테스트되지 않았습니다.”

그런데 애초에 이러한 생각이 AI의 마음에 어떻게 떠오른 것일까요? 먼저 연구원들은 잠수함, 고래, 쥐가오리, 상어 등 20가지 이상의 전통적인 해양 탐사 형태의 3D 모델을 발견했습니다. 그런 다음 이 모델을 “변형 케이지”에 잠그고 연구원들이 새로운 모양을 만들기 위해 끌어다 놓은 개별 관절 지점을 매핑했습니다.

CSAIL이 이끄는 팀은 다양한 “공격 각도”(배가 물 속에서 미끄러질 때 기울어지는 방향)에서 어떻게 작동하는지 테스트하기 전에 기존 모양과 왜곡된 모양의 데이터 세트를 만들었습니다. 예를 들어, 수영자는 수영장에서 물체를 꺼내기 위해 -30도 각도로 다이빙을 원할 수 있습니다.

그런 다음 이러한 다양한 모양과 공격 각도는 글라이더 모양이 특정 각도에서 얼마나 효율적으로 작동하는지 예측하고 필요에 따라 최적화하는 신경망의 입력으로 사용되었습니다.

글라이딩 로봇에 양력을 부여하다

팀의 신경망은 특정 글라이더가 앞으로 움직이는 방식과 그에 대한 항력을 포착하는 것을 목표로 수중 물리학에 어떻게 반응하는지 시뮬레이션합니다. 목표: 글라이더가 얼마나 많이 들어 올려지고 있는지와 얼마나 많이 뒤로 잡혀 있는지를 나타내는 최고의 리프트-드래그 비율을 찾습니다. 비율이 높을수록 차량이 더 효율적으로 이동합니다. 낮을수록 여행 중에 글라이더의 이동 속도가 느려집니다.

비행기를 날려면 양력 대 항력 비율이 중요합니다. 이륙 시에는 기류에 잘 미끄러질 수 있도록 양력을 최대화해야 하며, 착륙할 때는 비행기를 완전히 멈출 수 있을 만큼 충분한 힘이 필요합니다.

MIT 건축학 대학원생이자 CSAIL 계열사인 Niklas Hagemann은 바다에서 비슷한 활공 속도를 원하는 경우 이 비율이 유용하다고 말합니다.

지난 6월 국제 로봇공학 및 자동화 회의에서 발표된 논문의 공동 저자인 Hageman은 “우리 파이프라인은 최고의 양력 대 항력 비율을 찾기 위해 글라이더 모양을 수정하여 수중 성능을 최적화합니다.”라고 말했습니다. “그런 다음 가장 성능이 좋은 디자인을 내보내어 3D 인쇄할 수 있습니다.”

빠른 활공을 하러 갑니다

AI 파이프라인은 현실적으로 보였지만 연구원들은 글라이더 성능에 대한 예측이 정확한지 확인하기 위해 보다 실제와 같은 환경에서 실험해야 했습니다.

그는 처음에 종이 비행기와 유사한 소형 차량으로 양날개 디자인을 스케치했습니다. 이 글라이더는 공기의 흐름을 시뮬레이션하는 팬이 있는 실내 공간인 MIT의 Wright Brothers Wind Tunnel로 가져갔습니다. 다른 각도에 배치했을 때 글라이더의 예측된 양력 대 항력 비율은 바람 실험에서 기록된 것보다 평균 5% 더 높았습니다. 이는 시뮬레이션과 현실 사이의 작은 차이입니다.

시각적이고 더욱 복잡한 물리 시뮬레이터를 사용한 디지털 평가도 AI 파이프라인이 글라이더가 어떻게 움직일지에 대해 상당히 정확한 예측을 했다는 개념을 뒷받침했습니다. 이 기계가 어떻게 3D로 착륙할 것인지 상상했습니다.

그러나 실제 세계에서 이러한 글라이더를 적절하게 평가하려면 팀은 해당 장치가 수중에서 어떻게 작동하는지 확인해야 했습니다. 그들은 이 테스트를 위해 특정 공격 지점에서 가장 잘 작동하는 두 가지 디자인, 즉 9도 각도의 제트형 장치와 30도 각도의 4개 날개가 있는 차량을 인쇄했습니다.

두 그림 모두 3D 프린터에서 작은 구멍이 있는 속이 빈 껍질로 생성되었으며, 완전히 담그면 채워집니다. 이러한 경량 설계 덕분에 물 밖에서 차량을 더 쉽게 다룰 수 있으며 제작에 필요한 자재도 줄어듭니다. 연구원들은 글라이더의 부력을 변경하는 펌프, 질량 시프터(기계의 공격 각도를 제어하는 ​​장치) 및 전자 부품을 포함한 다양한 하드웨어를 포함하는 튜브형 장치를 이러한 껍질 덮개 내부에 배치했습니다.

각 디자인은 수영장을 가로질러 더 효율적으로 이동함으로써 수제 어뢰 모양의 글라이더보다 성능이 뛰어났습니다. 두 AI 기반 기계는 다른 기계보다 더 높은 양력 대 항력 비율을 통해 해양 동물이 바다를 탐색하는 직관적인 방법과 유사하게 에너지를 덜 소비합니다.

이 프로젝트는 글라이더 설계에 있어서 고무적인 진전이지만, 연구원들은 시뮬레이션과 실제 성능 사이의 격차를 메우기를 원합니다. 그들은 또한 급격한 해류 변화에 반응할 수 있는 기계를 개발하여 글라이더가 바다와 바다에 더 잘 적응할 수 있기를 바라고 있습니다.

Chen은 팀이 새로운 유형의 모양, 특히 얇은 글라이더 디자인을 탐색하고 있다고 말합니다. 그들은 프레임워크를 더 빠르게 만들고 아마도 더 나은 맞춤화, 이동성 또는 소형 차량 제작을 가능하게 하는 새로운 기능으로 프레임워크를 강화할 계획입니다.

Chen과 Hageman은 OpenAI 연구원 Pingchuan Ma SM ’23, PhD ’25와 함께 이 프로젝트에 대한 연구를 공동으로 주도했습니다. 그는 위스콘신대학교 매디슨 캠퍼스의 조교수이자 최근 CSAIL 박사후 연구원인 Wei Wang과 함께 논문을 공동 집필했습니다. 존 Romanyshyn ’12, SM ’18, PhD ’23; 두 명의 MIT 교수와 CSAIL 회원: 연구실 책임자 Daniela Russ와 수석 저자 Wojciech Matusik. 그들의 작업은 부분적으로 DARPA(국방고등연구계획국) 보조금과 MIT-GIST 프로그램의 지원을 받았습니다.