ವಿವಿಧ ಆಕಾರಗಳನ್ನು ಹೊಂದಿದ್ದರೂ ಮೀನು ಮತ್ತು ಸೀಲುಗಳಂತಹ ಪ್ರಾಣಿಗಳು ಹೇಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಈಜುತ್ತವೆ ಎಂದು ಸಾಗರ ವಿಜ್ಞಾನಿಗಳು ಬಹಳ ಹಿಂದೆಯೇ ಆಶ್ಚರ್ಯಪಟ್ಟಿದ್ದಾರೆ. ಅವರ ದೇಹಗಳನ್ನು ಸಮರ್ಥ, ಹೈಡ್ರೊಡೈನಾಮಿಕ್ ಜಲಚರ ಸಂಚರಣೆಗಾಗಿ ಹೊಂದುವಂತೆ ಮಾಡಲಾಗಿದೆ ಆದ್ದರಿಂದ ಅವರು ದೂರದ ಪ್ರಯಾಣ ಮಾಡುವಾಗ ಕನಿಷ್ಠ ಶಕ್ತಿಯನ್ನು ಬೀರಬಹುದು.
ಸ್ವಾಯತ್ತ ವಾಹನಗಳು ಇದೇ ರೀತಿಯಲ್ಲಿ ಸಾಗರದ ಮೂಲಕ ತೇಲುತ್ತವೆ, ವಿಶಾಲವಾದ ನೀರೊಳಗಿನ ಪರಿಸರದಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಈ ಗ್ಲೈಡಿಂಗ್ ಯಂತ್ರಗಳ ಆಕಾರಗಳು ಸಮುದ್ರ ಜೀವನದಲ್ಲಿ ನಾವು ಕಂಡುಕೊಳ್ಳುವುದಕ್ಕಿಂತ ಕಡಿಮೆ ವೈವಿಧ್ಯಮಯವಾಗಿವೆ – ಆದ್ಯತೆಯ ವಿನ್ಯಾಸಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಟ್ಯೂಬ್ಗಳು ಅಥವಾ ಟಾರ್ಪಿಡೊಗಳನ್ನು ಹೋಲುತ್ತವೆ, ಏಕೆಂದರೆ ಅವುಗಳು ಸಾಕಷ್ಟು ಹೈಡ್ರೊಡೈನಾಮಿಕ್ ಆಗಿರುತ್ತವೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಹೊಸ ಬಿಡುಗಡೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸಾಕಷ್ಟು ನೈಜ-ಪ್ರಪಂಚದ ಪ್ರಯೋಗ ಮತ್ತು ದೋಷದ ಅಗತ್ಯವಿರುತ್ತದೆ.
MITಯ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಮತ್ತು ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಲ್ಯಾಬೊರೇಟರಿ (CSAIL) ಮತ್ತು ವಿಸ್ಕಾನ್ಸಿನ್-ಮ್ಯಾಡಿಸನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು AI ನಮಗೆ ಅನ್ವೇಷಿಸದ ಗ್ಲೈಡರ್ ಮಾದರಿಗಳನ್ನು ಹೆಚ್ಚು ಅನುಕೂಲಕರವಾಗಿ ಅನ್ವೇಷಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂದು ಪ್ರಸ್ತಾಪಿಸಿದ್ದಾರೆ. ಅವರ ವಿಧಾನವು ಭೌತಶಾಸ್ತ್ರದ ಸಿಮ್ಯುಲೇಟರ್ನಲ್ಲಿ ವಿಭಿನ್ನ 3D ಮಾದರಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬಳಸುತ್ತದೆ, ನಂತರ ಅವುಗಳನ್ನು ಹೆಚ್ಚು ಹೈಡ್ರೊಡೈನಾಮಿಕ್ ಆಕಾರಗಳಾಗಿ ರೂಪಿಸುತ್ತದೆ. ಪರಿಣಾಮವಾಗಿ ಮಾದರಿಯನ್ನು ಕೈಯಿಂದ ಮಾಡಿದಕ್ಕಿಂತ ಕಡಿಮೆ ಶಕ್ತಿಯನ್ನು ಬಳಸಿಕೊಂಡು 3D ಮುದ್ರಕದಿಂದ ತಯಾರಿಸಬಹುದು.
MIT ವಿಜ್ಞಾನಿಗಳು ಈ ವಿನ್ಯಾಸದ ಪೈಪ್ಲೈನ್ ಸಮುದ್ರಶಾಸ್ತ್ರಜ್ಞರು ನೀರಿನ ತಾಪಮಾನ ಮತ್ತು ಉಪ್ಪಿನ ಮಟ್ಟವನ್ನು ಅಳೆಯಲು, ಪ್ರವಾಹಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚು ವಿವರವಾದ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಹವಾಮಾನ ಬದಲಾವಣೆಯ ಪರಿಣಾಮಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಹೊಸ, ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಯಂತ್ರಗಳನ್ನು ರಚಿಸಬಹುದು ಎಂದು ಹೇಳುತ್ತಾರೆ. ತಂಡವು ಬೂಗೀ ಬೋರ್ಡ್ನ ಗಾತ್ರದ ಎರಡು ಗ್ಲೈಡರ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಮೂಲಕ ಈ ಸಾಮರ್ಥ್ಯವನ್ನು ಪ್ರದರ್ಶಿಸಿತು: ವಿಮಾನವನ್ನು ಹೋಲುವ ಎರಡು ರೆಕ್ಕೆಯ ಯಂತ್ರ ಮತ್ತು ನಾಲ್ಕು ರೆಕ್ಕೆಗಳನ್ನು ಹೊಂದಿರುವ ಫ್ಲಾಟ್ಫಿಶ್ ಅನ್ನು ಹೋಲುವ ವಿಶಿಷ್ಟವಾದ, ನಾಲ್ಕು ರೆಕ್ಕೆಯ ವಸ್ತು.
MIT CSAIL ಪೋಸ್ಟ್ಡಾಕ್ ಮತ್ತು ಪ್ರಾಜೆಕ್ಟ್ನ ಸಹ-ಪ್ರಧಾನ ತನಿಖಾಧಿಕಾರಿ ಪೀಟರ್ ಯಿಚೆನ್ ಚೆನ್, ಈ ಮಾದರಿಗಳು ಅವರ ತಂಡದ ವಿಧಾನವು ರಚಿಸಬಹುದಾದ ಕೆಲವು ಹೊಸ ರೂಪಗಳಾಗಿವೆ ಎಂದು ಗಮನಿಸುತ್ತಾರೆ. “ನಾವು ಅರೆ-ಸ್ವಯಂಚಾಲಿತ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದೇವೆ, ಅದು ಅಸಾಂಪ್ರದಾಯಿಕ ವಿನ್ಯಾಸಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಅದು ಮಾನವರಿಗೆ ವಿನ್ಯಾಸಗೊಳಿಸಲು ತುಂಬಾ ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ” ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ. “ಈ ಹಂತದ ಆಕಾರ ವೈವಿಧ್ಯತೆಯನ್ನು ಮೊದಲು ಅನ್ವೇಷಿಸಲಾಗಿಲ್ಲ, ಆದ್ದರಿಂದ ಈ ವಿನ್ಯಾಸಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವುಗಳನ್ನು ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಪರೀಕ್ಷಿಸಲಾಗಿಲ್ಲ.”
ಆದರೆ AI ಈ ಆಲೋಚನೆಗಳೊಂದಿಗೆ ಮೊದಲ ಸ್ಥಾನದಲ್ಲಿ ಹೇಗೆ ಬಂದಿತು? ಮೊದಲನೆಯದಾಗಿ, ಜಲಾಂತರ್ಗಾಮಿಗಳು, ತಿಮಿಂಗಿಲಗಳು, ಮಾಂಟಾ ಕಿರಣಗಳು ಮತ್ತು ಶಾರ್ಕ್ಗಳಂತಹ ಸಮುದ್ರ ಪರಿಶೋಧನೆಯ 20 ಕ್ಕೂ ಹೆಚ್ಚು ಸಾಂಪ್ರದಾಯಿಕ ರೂಪಗಳ 3D ಮಾದರಿಗಳನ್ನು ಸಂಶೋಧಕರು ಕಂಡುಹಿಡಿದರು. ನಂತರ ಅವರು ಈ ಮಾದರಿಗಳನ್ನು “ವಿರೂಪ ಪಂಜರಗಳಲ್ಲಿ” ಸುತ್ತುವರೆದರು, ಅದು ಹೊಸ ಆಕಾರಗಳನ್ನು ರಚಿಸಲು ಸಂಶೋಧಕರು ಎಳೆದ ವಿಭಿನ್ನ ಅಭಿವ್ಯಕ್ತಿ ಬಿಂದುಗಳನ್ನು ಮ್ಯಾಪ್ ಮಾಡಿದರು.
CSAIL ನೇತೃತ್ವದ ತಂಡವು ವಿಭಿನ್ನ “ದಾಳಿಯ ಕೋನಗಳಲ್ಲಿ” ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅನುಕರಿಸುವ ಮೊದಲು ಸಾಂಪ್ರದಾಯಿಕ ಮತ್ತು ವಿರೂಪಗೊಂಡ ಆಕಾರಗಳ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಿರ್ಮಿಸಿದೆ – ಹಡಗು ನೀರಿನ ಮೂಲಕ ಚಲಿಸುವಾಗ ಅದು ವಾಲುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಈಜುಗಾರನು ಕೊಳದಿಂದ ಐಟಂ ಅನ್ನು ಹಿಂಪಡೆಯಲು -30 ಡಿಗ್ರಿ ಕೋನದಲ್ಲಿ ಧುಮುಕಲು ಬಯಸಬಹುದು.
ಈ ವಿವಿಧ ಆಕಾರಗಳು ಮತ್ತು ದಾಳಿಯ ಕೋನಗಳನ್ನು ನಂತರ ನರಮಂಡಲದ ಒಳಹರಿವುಗಳಾಗಿ ಬಳಸಲಾಯಿತು, ಇದು ನಿರ್ದಿಷ್ಟ ಕೋನಗಳಲ್ಲಿ ಗ್ಲೈಡರ್ ಆಕಾರವು ಎಷ್ಟು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಅಗತ್ಯವಿರುವಂತೆ ಅದನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತದೆ.
ನಾನು ಗ್ಲೈಡ್ ಮಾಡುವ ರೋಬೋಟ್ಗಳನ್ನು ನೀಡುತ್ತೇನೆ
ನಿರ್ದಿಷ್ಟ ಗ್ಲೈಡರ್ ನೀರೊಳಗಿನ ಭೌತಶಾಸ್ತ್ರಕ್ಕೆ ಹೇಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ತಂಡದ ನರಮಂಡಲವು ಅನುಕರಿಸುತ್ತದೆ, ಅದು ಹೇಗೆ ಮುಂದಕ್ಕೆ ಚಲಿಸುತ್ತದೆ ಮತ್ತು ಅದರ ವಿರುದ್ಧ ಬಲವನ್ನು ಎಳೆಯುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಗುರಿ: ಅತ್ಯುತ್ತಮ ಲಿಫ್ಟ್-ಟು-ಗ್ಲೈಡ್ ಅನುಪಾತವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ, ಗ್ಲೈಡರ್ ಅನ್ನು ಎಷ್ಟು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಲಾಗಿದೆ ಎಂಬುದನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಹೆಚ್ಚಿನ ಅನುಪಾತ, ವಾಹನವು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಚಲಿಸುತ್ತದೆ; ಅದು ಕಡಿಮೆಯಾದಷ್ಟೂ ಗ್ಲೈಡರ್ ತನ್ನ ಪ್ರಯಾಣದ ಸಮಯದಲ್ಲಿ ನಿಧಾನಗೊಳ್ಳುತ್ತದೆ.
ಹಾರುವ ವಿಮಾನಗಳಿಗೆ ಲಿಫ್ಟ್/ಡ್ರ್ಯಾಗ್ ಅನುಪಾತಗಳು ನಿರ್ಣಾಯಕವಾಗಿವೆ: ಟೇಕ್ಆಫ್ ಆಗುವಾಗ, ಗಾಳಿಯ ಪ್ರವಾಹಗಳ ವಿರುದ್ಧ ಚೆನ್ನಾಗಿ ಗ್ಲೈಡ್ ಆಗುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ನೀವು ಲಿಫ್ಟ್ ಅನ್ನು ಗರಿಷ್ಠಗೊಳಿಸಲು ಬಯಸುತ್ತೀರಿ ಮತ್ತು ಲ್ಯಾಂಡಿಂಗ್ನಲ್ಲಿ, ಅದನ್ನು ಪೂರ್ಣ ನಿಲುಗಡೆಗೆ ಎಳೆಯಲು ನಿಮಗೆ ಸಾಕಷ್ಟು ಒತ್ತಡದ ಅಗತ್ಯವಿದೆ.
ನಿಕ್ಲಾಸ್ ಹಗೆಮನ್, ಆರ್ಕಿಟೆಕ್ಚರ್ನಲ್ಲಿ MIT ಪದವಿ ವಿದ್ಯಾರ್ಥಿ ಮತ್ತು CSAIL ಅಂಗಸಂಸ್ಥೆ, ನೀವು ಸಾಗರದಲ್ಲಿ ಇದೇ ರೀತಿಯ ಗ್ಲೈಡಿಂಗ್ ಚಲನೆಯನ್ನು ಬಯಸಿದರೆ ಈ ವರದಿಯು ಅಷ್ಟೇ ಉಪಯುಕ್ತವಾಗಿದೆ ಎಂದು ಗಮನಿಸುತ್ತಾರೆ.
“ನಮ್ಮ ಪೈಪ್ಲೈನ್ ಅತ್ಯುತ್ತಮ ಲಿಫ್ಟ್-ಟು-ಥ್ರಸ್ಟ್ ಅನುಪಾತವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಗ್ಲೈಡರ್ಗಳ ಆಕಾರಗಳನ್ನು ಮಾರ್ಪಡಿಸುತ್ತದೆ, ನೀರೊಳಗಿನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತದೆ” ಎಂದು ಜೂನ್ನಲ್ಲಿ ನಡೆದ ರೊಬೊಟಿಕ್ಸ್ ಮತ್ತು ಆಟೊಮೇಷನ್ನ ಅಂತರರಾಷ್ಟ್ರೀಯ ಸಮ್ಮೇಳನದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಿದ ಪ್ರಬಂಧದ ಸಹ-ಮುಖ್ಯ ಲೇಖಕರೂ ಆಗಿರುವ ಹಗೆಮನ್ ಹೇಳುತ್ತಾರೆ. “ನಂತರ ನೀವು ಅತ್ಯುತ್ತಮ ಪ್ರದರ್ಶನ ಮಾದರಿಗಳನ್ನು ರಫ್ತು ಮಾಡಬಹುದು ಆದ್ದರಿಂದ ಅವುಗಳನ್ನು 3D ಮುದ್ರಿಸಬಹುದು.”
ನಾನು ತ್ವರಿತ ಸ್ಲೈಡ್ಗೆ ಹೋಗುತ್ತಿದ್ದೇನೆ
ಅವರ AI ಪೈಪ್ಲೈನ್ ವಾಸ್ತವಿಕವಾಗಿ ಕಂಡರೂ, ಗ್ಲೈಡರ್ ಕಾರ್ಯಕ್ಷಮತೆಯ ಬಗ್ಗೆ ಅದರ ಭವಿಷ್ಯವಾಣಿಗಳು ಹೆಚ್ಚು ವಾಸ್ತವಿಕ ಪರಿಸರದಲ್ಲಿ ಪ್ರಯೋಗ ಮಾಡುವ ಮೂಲಕ ನಿಖರವಾಗಿದೆ ಎಂದು ಸಂಶೋಧಕರು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬೇಕಾಗಿದೆ.
ಅವರು ಮೊದಲು ತಮ್ಮ ಎರಡು ರೆಕ್ಕೆಗಳ ವಿನ್ಯಾಸವನ್ನು ಸ್ಕೇಲ್ಡ್-ಡೌನ್ ಪೇಪರ್ ಏರ್ಪ್ಲೇನ್ ತರಹದ ವಾಹನವಾಗಿ ತಯಾರಿಸಿದರು. ಈ ಗ್ಲೈಡರ್ ಅನ್ನು MITಯ ರೈಟ್ ಬ್ರದರ್ಸ್ ವಿಂಡ್ ಟನಲ್ಗೆ ಕೊಂಡೊಯ್ಯಲಾಯಿತು, ಇದು ಗಾಳಿಯ ಹರಿವನ್ನು ಅನುಕರಿಸುವ ಅಭಿಮಾನಿಗಳೊಂದಿಗೆ ಒಳಾಂಗಣ ಸ್ಥಳವಾಗಿದೆ. ವಿವಿಧ ಕೋನಗಳಲ್ಲಿ ಇರಿಸಿದರೆ, ಗ್ಲೈಡರ್ನ ಊಹಿಸಲಾದ ಲಿಫ್ಟ್/ಡ್ರ್ಯಾಗ್ ಅನುಪಾತವು ಗಾಳಿಯ ಪ್ರಯೋಗಗಳಲ್ಲಿ ದಾಖಲಾದ ಸರಾಸರಿಗಿಂತ ಸರಾಸರಿ 5% ಹೆಚ್ಚಾಗಿದೆ – ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ರಿಯಾಲಿಟಿ ನಡುವಿನ ಸಣ್ಣ ವ್ಯತ್ಯಾಸ.
ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ದೃಶ್ಯ ಭೌತಶಾಸ್ತ್ರ ಸಿಮ್ಯುಲೇಟರ್ ಅನ್ನು ಒಳಗೊಂಡಿರುವ ಡಿಜಿಟಲ್ ಮೌಲ್ಯಮಾಪನವು AI ಪೈಪ್ಲೈನ್ ಗ್ಲೈಡರ್ಗಳು ಹೇಗೆ ಚಲಿಸುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ಸಾಕಷ್ಟು ನಿಖರವಾದ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಮಾಡಿದೆ ಎಂಬ ಕಲ್ಪನೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಈ ಕಾರುಗಳು 3D ಯಲ್ಲಿ ಹೇಗೆ ಇಳಿಯುತ್ತವೆ ಎಂಬುದನ್ನು ಅವರು ದೃಶ್ಯೀಕರಿಸಿದರು.
ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಈ ಗ್ಲೈಡರ್ಗಳನ್ನು ನಿಜವಾಗಿಯೂ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು, ಆದಾಗ್ಯೂ, ತಂಡವು ಅವರ ಸಾಧನಗಳು ನೀರಿನ ಅಡಿಯಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡಬೇಕಾಗಿದೆ. ಅವರು ಈ ಪರೀಕ್ಷೆಗಾಗಿ ದಾಳಿಯ ಕೆಲವು ಹಂತಗಳಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಎರಡು ವಿನ್ಯಾಸಗಳನ್ನು ಮುದ್ರಿಸಿದ್ದಾರೆ: 9 ಡಿಗ್ರಿಗಳಲ್ಲಿ ಜೆಟ್ ತರಹದ ಸಾಧನ ಮತ್ತು 30 ಡಿಗ್ರಿಗಳಲ್ಲಿ ನಾಲ್ಕು ರೆಕ್ಕೆಗಳ ವಾಹನ.
ಎರಡೂ ಆಕಾರಗಳನ್ನು 3D ಪ್ರಿಂಟರ್ನಲ್ಲಿ ಟೊಳ್ಳಾದ ಶೆಲ್ಗಳಂತೆ ಸಣ್ಣ ರಂಧ್ರಗಳೊಂದಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಮುಳುಗಿಸಿದಾಗ ಪ್ರವಾಹವನ್ನು ತಯಾರಿಸಲಾಯಿತು. ಈ ಹಗುರವಾದ ವಿನ್ಯಾಸವು ವಾಹನವನ್ನು ನೀರಿನಿಂದ ಸುಲಭವಾಗಿ ಚಲಿಸುವಂತೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ತಯಾರಿಸಲು ಕಡಿಮೆ ವಸ್ತುಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ. ಸಂಶೋಧಕರು ಈ ಲಕೋಟೆಗಳ ಒಳಗೆ ಒಂದು ಟ್ಯೂಬ್ ತರಹದ ಸಾಧನವನ್ನು ಇರಿಸಿದರು, ಇದರಲ್ಲಿ ಗ್ಲೈಡರ್ನ ತೇಲುವಿಕೆಯನ್ನು ಬದಲಾಯಿಸಲು ಪಂಪ್, ಮಾಸ್ ಶಿಫ್ಟರ್ (ಯಂತ್ರದ ದಾಳಿಯ ಕೋನವನ್ನು ನಿಯಂತ್ರಿಸುವ ಸಾಧನ) ಮತ್ತು ಎಲೆಕ್ಟ್ರಾನಿಕ್ಸ್ ಸೇರಿದಂತೆ ಹಾರ್ಡ್ವೇರ್ನ ಒಂದು ಶ್ರೇಣಿಯನ್ನು ಇರಿಸಲಾಗಿತ್ತು.
ಪ್ರತಿಯೊಂದು ವಿನ್ಯಾಸವು ಪೂಲ್ನಾದ್ಯಂತ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಚಲಿಸುವ ಮೂಲಕ ಕೈಯಿಂದ ಮಾಡಿದ ಟಾರ್ಪಿಡೊ-ಆಕಾರದ ಗ್ಲೈಡರ್ ಅನ್ನು ಮೀರಿಸುತ್ತದೆ. ಅವುಗಳ ಪ್ರತಿರೂಪಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಲಿಫ್ಟ್-ಟು-ಥ್ರಸ್ಟ್ ಅನುಪಾತದೊಂದಿಗೆ, AI-ಚಾಲಿತ ಕಾರುಗಳು ಕಡಿಮೆ ಶಕ್ತಿಯನ್ನು ಬಳಸಿದವು, ಸಮುದ್ರ ಪ್ರಾಣಿಗಳು ಹೇಗೆ ಸಲೀಸಾಗಿ ಸಾಗರಗಳನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡುತ್ತವೆ.
ಯೋಜನೆಯು ಗ್ಲೈಡರ್ ವಿನ್ಯಾಸಕ್ಕೆ ಪ್ರೋತ್ಸಾಹದಾಯಕ ಹೆಜ್ಜೆಯಾಗಿದೆ, ಸಂಶೋಧಕರು ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಕಾರ್ಯಕ್ಷಮತೆಯ ನಡುವಿನ ಅಂತರವನ್ನು ಸೇತುವೆ ಮಾಡಲು ನೋಡುತ್ತಿದ್ದಾರೆ. ಪ್ರವಾಹಗಳಲ್ಲಿನ ಹಠಾತ್ ಬದಲಾವಣೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವ ಯಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಅವರು ಆಶಿಸುತ್ತಾರೆ, ಗ್ಲೈಡರ್ಗಳನ್ನು ಸಮುದ್ರಗಳು ಮತ್ತು ಸಾಗರಗಳಿಗೆ ಹೆಚ್ಚು ಹೊಂದಿಕೊಳ್ಳುವಂತೆ ಮಾಡುತ್ತದೆ.
ಹೊಸ ರೀತಿಯ ಆಕಾರಗಳನ್ನು, ವಿಶೇಷವಾಗಿ ತೆಳುವಾದ ಗ್ಲೈಡರ್ ವಿನ್ಯಾಸಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ತಂಡವು ನೋಡುತ್ತಿದೆ ಎಂದು ಚೆನ್ ಸೇರಿಸುತ್ತಾರೆ. ಅವರು ತಮ್ಮ ಚೌಕಟ್ಟನ್ನು ವೇಗವಾಗಿ ಮಾಡಲು ಯೋಜಿಸುತ್ತಾರೆ, ಬಹುಶಃ ಹೆಚ್ಚಿನ ಗ್ರಾಹಕೀಕರಣ, ನಿರ್ವಹಣೆ ಅಥವಾ ಚಿಕಣಿ ವಾಹನಗಳ ರಚನೆಗೆ ಅನುಮತಿಸುವ ಹೊಸ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ ಅದನ್ನು ಹೆಚ್ಚಿಸಬಹುದು.
ಚೆನ್ ಮತ್ತು ಹಗೆಮನ್ ಅವರು ಓಪನ್ಎಐ ಸಂಶೋಧಕ ಪಿಂಗ್ಚುವಾನ್ ಮಾ ಎಸ್ಎಂ ’23, ಪಿಎಚ್ಡಿ ’25 ಜೊತೆಗೆ ಈ ಯೋಜನೆಯ ಸಂಶೋಧನೆಯನ್ನು ನಡೆಸಿದರು. ಅವರು ಮ್ಯಾಡಿಸನ್ನಲ್ಲಿರುವ ವಿಸ್ಕಾನ್ಸಿನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದಲ್ಲಿ ಸಹಾಯಕ ಪ್ರಾಧ್ಯಾಪಕರಾದ ವೈ ವಾಂಗ್ ಮತ್ತು ಇತ್ತೀಚಿನ CSAIL ಪೋಸ್ಟ್ಡಾಕ್ ಅವರೊಂದಿಗೆ ಸಹ-ಲೇಖಕರಾಗಿದ್ದಾರೆ; ಜಾನ್ ರೊಮಾನಿಶಿನ್ ’12, MS ’18, PhD ’23; ಮತ್ತು ಇಬ್ಬರು MIT ಪ್ರಾಧ್ಯಾಪಕರು ಮತ್ತು CSAIL ಸದಸ್ಯರು: ಲ್ಯಾಬ್ ಡೈರೆಕ್ಟರ್ ಡೇನಿಯೆಲಾ ರುಸ್ ಮತ್ತು ಪ್ರಮುಖ ಲೇಖಕ ವೊಜ್ಸಿಕ್ ಮಾಟುಸಿಕ್. ಡಿಫೆನ್ಸ್ ಅಡ್ವಾನ್ಸ್ಡ್ ರಿಸರ್ಚ್ ಪ್ರಾಜೆಕ್ಟ್ಸ್ ಏಜೆನ್ಸಿ (DARPA) ಮತ್ತು MIT-GIST ಕಾರ್ಯಕ್ರಮದ ಅನುದಾನದಿಂದ ಅವರ ಕೆಲಸವನ್ನು ಭಾಗಶಃ ಬೆಂಬಲಿಸಲಾಯಿತು.
