最近小茹姐发现智能牵引车推动了人机计算机的研究这个话题相信很多小伙伴们都很感兴趣吧,那么今天就带大家了解下智能牵引车推动了人机计算机的研究的具体详情,那么小茹姐就来给大家说说具体的一些问题吧,希望对大家有所帮助。

在运行的第一年，智能拖曳坦克(ITT)进行了大约100,000个实验，基本上在几周内完成了相当于一名博士生五年实验的费用。

由麻省理工学院海格兰特流体力学实验室开发的自动化实验设备，可以自动，自适应地执行，分析和设计探索涡旋振动(VIV)的实验。对于涉及海洋工程的海洋结构，例如将水下油井连接到地表的海洋钻探立管，重要的是，由于涉及大量参数，VIV仍然是研究人员的一种现象。

在积极学习的指导下，ITT进行了一系列实验，其中每个下一个实验的参数都由计算机选择。该系统使用“探索和利用”方法，大大减少了探索和绘制控制VIV的复杂力所需的实验数量。

什么开始作为当时的博士生睇下凡的追求上进行千元左右费力的实验削减-手-导致了创新的系统设计和论文近日发表在杂志科学机器人。

范(Fan)现在是博士后，由麻省理工学院海格兰特学院计划和麻省理工学院机械工程系，法国高等师范大学雷恩分校以及布朗大学的研究人员组成的团队揭示了实验研究的潜在范式转变，其中人，计算机和机器人可以更有效地协作以加速科学发现。

一只33英尺长的鲸鱼还活着，可以在不间断的情况下进行操作，也无需对即将到来的企业进行监督-在这种情况下，它探索了流体与结构相互作用领域的典型问题。但是研究人员设想主动学习和自动化方法在跨学科的实验研究中的应用，有可能在多输入/多输出非线性系统中带来新的见识和模型。

VIV是在即将到来的不规则横流​​中在结构上引起的固有非线性运动，这使研究变得烦恼。研究人员报告说，ITT完成的实验数量已经可以与迄今为止在全球范围内针对VIV进行的实验总数进行比较。

原因是研究运动中的复杂力涉及大量从流速到压力的独立参数。范认为，一种系统的蛮力方法(在8维参数空间中盲目地对每个参数进行10次测量)将需要进行1亿次实验。

通过ITT，范和他的合作者将这个问题带入了一个比以前更难以探索的参数空间。他解释说：“如果我们对研究的问题执行传统技术，那么将需要950年的时间才能完成实验。” 显然不可行，因此Fan和团队将一个高斯过程回归学习算法集成到了ITT中。通过这样做，研究人员将实验负担减少了几个数量级，仅需要几千次实验。