AI打造仿生水下探測機 靈感源自海洋生物

海洋生物學家長久以來都對魚類和海豹等生物的高效遊動方式感到驚嘆。這些生物的體型經過演化最佳化，能在水中以最節能的方式長距離移動，展現出驚人的流體力學特性。

現今的自動探測裝置雖然也能在海洋中漂流並收集資料，但這些機器的外型設計卻遠不及海洋生物的多元性。常見的探測器多採用管狀或魚雷狀設計，主要是因為這些形狀具有較好的流體動力特性。然而，開發新設計往往需要耗費大量時間進行實際測試。

由麻省理工學院電腦科學與人工智慧實驗室(CSAIL)及威斯康辛大學麥迪遜分校的研究團隊提出，利用AI技術能幫助我們更快探索未知的探測器設計可能性。這項研究已發表在arXiv預印本伺服器上。

研究團隊運用機器學習技術，先在物理模擬器中測試各種3D設計，再將這些設計塑造成更具流體動力學效益的形狀。最終產出的模型可透過3D列印技術製造，且比人工設計的探測器消耗更少能源。

研究人員表示，這種設計流程有助於開發新型高效探測器，協助海洋學家測量水溫與鹽度、更精確掌握洋流動態，並監測氣候變遷的影響。

團隊實際打造了兩種約衝浪板大小的探測器：一款是類似飛機的雙翼設計，另一款則是模仿扁平魚類的四翼特殊造型。

該研究共同主持人、麻省理工學院博士後研究員陳怡成指出：「我們開發的半自動化流程，能夠測試對人類設計者而言相當費力的非傳統造型。這種程度的形狀多樣性過去從未被探索過，因此大多數設計尚未在現實環境中測試。」

研究過程首先蒐集了超過20種傳統海洋探測器和生物(如潛艇、鯨魚、魔鬼魚和鯊魚)的3D模型。接著使用「變形框架」技術，透過調整關鍵節點產生新的形狀變化。

團隊建立了一個包含傳統和變形後形狀的資料集，並模擬它們在不同「攻角」(探測器在水中滑行時的傾斜角度)下的表現。這些資料隨後輸入神經網路，預測特定形狀在不同角度的效能表現，並進行最佳化調整。

研究重點在於尋找最佳的升阻比，這個數值代表探測器所受浮力與阻力的相對關係。升阻比越高，探測器移動效率就越好。

論文另一位共同主持人、麻省理工學院研究生Niklas Hagemann解釋：「我們的設計流程會調整探測器形狀以獲得最佳升阻比，最佳化其水下效能。最終可將表現最好的設計輸出進行3D列印。」

為了驗證模擬結果的準確性，研究團隊進行了實際測試。他們先在風洞中測試縮小版的雙翼設計，發現模擬與實際資料僅有約5%的差異。

接著，團隊3D列印了兩款表現最佳的設計：攻角9度的噴射機造型和攻角30度的四翼設計。這些輕量化設計採用空心結構，內部裝有控制浮力的泵浦、調整攻角的質量調節器，以及電子元件。

實際水下測試顯示，這兩款AI設計的探測器在游泳池中的移動效率都優於傳統魚雷形探測器，展現出與海洋生物相似的節能特性。

雖然這項研究為探測器設計帶來突破，但團隊仍持續努力縮小模擬與實際表現的差距。未來目標包括開發能即時應對洋流變化的探測器，並探索更薄型的設計可能性。

陳怡成補充表示，團隊正著手最佳化設計框架，希望能加入更多自訂功能，提高機動性，甚至開發微型探測裝置。

[end]