AI塑造自主水下“滑翔機”新設計
麻省理工學院（MIT）計算機科學與人工智能實驗室（CSAIL）的研究團隊開發出一套人工智能（AI）設計流程，為體積大小相當於衝浪板的水下滑翔機創造出獨特的水動力學造型，未來有望協助科學家更有效收集海洋數據。
海洋生物如魚類和海豹的游泳效率長期以來令科學家著迷，牠們的身體形態經過優化，能以極低能量消耗在水中長距離移動。類似地，自主水下滑翔機也能像牠們一樣在海洋中漂流，收集廣泛的水下環境資料，但目前這類滑翔機的形狀多數偏向管狀或魚雷形，設計多樣性遠不及自然界生物。設計新型滑翔機往往需要大量現場反覆試驗，耗時耗力。
MIT CSAIL與威斯康辛大學麥迪遜分校的研究人員提出，AI可用於更方便地探索未曾涉獵的滑翔機設計。他們的方法結合機器學習，在物理模擬器中測試不同的3D形狀，再將它們調整成更具水動力學效能的造型。最終模型可用3D打印技術製造，耗能遠低於手工製作。
MIT團隊指出，這套設計流程有望打造出效率更高的水下滑翔機，幫助海洋學家量度水溫與鹽度，深入了解洋流細節，監測氣候變化影響。團隊已製造出兩款大小約等於衝浪板的滑翔機：一款是類似飛機的雙翼設計，另一款則是獨特的四翼形態，形似扁平魚類。
項目共同負責人、MIT CSAIL博士後Peter Yichen Chen表示，這些設計只是團隊方法所能生成的眾多新穎形狀中的少數。他說：「我們開發了一套半自動化程序，能幫助測試非常規設計，這些設計對人類而言設計難度極高。這種形狀多樣性此前未被探索過，因此大多數設計尚未在真實世界中測試。」
那麼AI是如何產生這些創新設計的？研究人員首先收集了超過20種傳統海洋探測器的3D模型，包括潛艇、鯨魚、魔鬼魚和鯊魚等，然後將這些模型置入「變形籠」中，該籠框架標示出不同的活動點，研究人員透過調整這些點來創造新形狀。
CSAIL團隊建立了一個包含傳統及變形模型的數據集，並模擬它們在不同「迎角」（即滑翔機在水中傾斜的角度）下的表現，例如潛水員可能會以負30度角潛入水中取物。這些多樣形狀與迎角數據被用作神經網絡的輸入，該網絡預測滑翔機在特定角度的效率，並進行優化。
提升滑翔機的升力
團隊的神經網絡模擬滑翔機在水下的物理反應，重點衡量其前進力與阻力，目標是尋找最佳的升力與阻力比（lift-to-drag ratio）。這個比率越高，代表滑翔機獲得的升力相對阻力越大，移動效率越高；比率低則表示滑翔機在航行中會因阻力而減速。
升力與阻力的比率對飛機相當重要，例如起飛時需要最大升力以克服風阻，降落時則需要足夠阻力使飛機停穩。MIT建築系碩士生及CSAIL成員Niklas Hagemann指出，這個比率同樣適用於水下滑翔運動。
Hagemann說：「我們的流程會調整滑翔機形狀，尋找最佳升阻比，優化其水下性能。」他是今年六月在國際機器人與自動化會議發表論文的共同作者之一。「你可以將表現最佳的設計輸出，然後用3D打印製造。」
快速滑翔的實驗驗證
雖然AI流程模擬結果逼真，研究團隊仍需確保其對滑翔性能的預測精確，於是進行更真實的環境測試。
他們先將雙翼設計製作成縮小版，形似紙飛機的滑翔機，並在MIT的萊特兄弟風洞中測試。該風洞利用風扇模擬風流，滑翔機在不同角度下的升阻比預測值平均僅比實驗數據高約5%，誤差極小。
複雜的數碼物理模擬也支持AI流程能準確預測滑翔機動態，並以3D視覺化展示滑翔機的下沉軌跡。
為了真正評估滑翔機的水下表現，團隊選擇了兩款在特定迎角下表現最佳的設計：一款噴射機型的滑翔機迎角9度，另一款四翼滑翔機迎角30度。
兩款設計都以3D打印製成中空外殼，殼體帶有小孔，能讓滑翔機完全浸入水中時進水。這種輕量化設計方便搬運且節省材料。外殼內部裝有管狀裝置，內含多種硬件，包括調節浮力的泵、控制迎角的質量移動器及電子元件。
這兩款AI設計滑翔機在泳池中測試時，都比傳統手工製作的魚雷形滑翔機更高效，升阻比更高，能耗更低，類似海洋生物自然游動時的輕鬆自如。
研究人員表示，這項工作雖然是滑翔機設計的一大進展，但仍需縮小模擬與實際性能之間的差距。未來他們希望開發能即時應對洋流突變的滑翔機，提升其對海洋環境的適應力。
Chen補充，團隊計劃探索更多形狀，尤其是更纖薄的滑翔機設計，並致力加快設計流程，增強客製化、操控性，甚至製造微型滑翔機的能力。
這項研究由Chen與Hagemann領導，OpenAI研究員Pingchuan Ma協同參與，並得到了國防先進研究計劃局（DARPA）和MIT-GIST計劃的資助。
—
評論與啟示
這項研究展現了AI與機器學習在工程設計中突破傳統框架的巨大潛力。過往水下滑翔機的設計常受限於經典的流線型思維和人工試錯，導致形狀選擇保守且多樣性不足。MIT團隊透過「變形籠」和神經網絡的結合，實現了前所未有的多樣化設計探索，解放了人類設計者的想像力。
在海洋科學日益重視氣候變化與生態系統監測的背景下，這些新型滑翔機不僅能提高數據收集效率，更有可能延伸到水下機器人、多功能探測器等領域。尤其是3D打印技術的結合，讓原型製造更快、更環保，為未來海洋探測裝備的迭代提供了可行路徑。
然而，研究也暴露出AI模擬與現實環境之間的差距，這是所有仿真驅動設計的共通挑戰。未來如何結合更精細的物理模型、即時環境感知與自適應控制，將是推動此技術實用化的關鍵。
此外，這種利用AI探索非傳統形狀的思路，值得在其他工程領域借鑒。例如航空航天、汽車設計甚至建築結構，都可透過類似方法突破設計瓶頸，發掘更高效、更環保的解決方案。
總括而言，MIT這項研究不僅為海洋滑翔機設計帶來革命性突破，也為AI與工程設計的融合提供了寶貴範例，對未來科技發展方向具有深遠啟發意義。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
✨🎱 Instagram留言 →
AI即回覆下期六合彩預測
🧠 AI 根據統計數據即時生成分析
💬 只要留言，AI就會即刻覆你心水組合
🎁 完！全！免！費！快啲嚟玩！
下期頭獎號碼
📲 去 Instagram 即刻留言
