AI优化水下自主滑翔机设计

MIT计算机科学与人工智能实验室（CSAIL）与威斯康星大学麦迪逊分校合作开发的新型AI流程，可生成独特流体力学设计，制造出冲浪板大小的水下滑翔机，帮助科学家收集海洋数据。

突破传统设计限制

传统水下探测器多采用管状或鱼雷造型，而MIT团队通过机器学习在物理模拟器中测试不同3D设计，最终生成更符合流体力学的外形。该方法制造的滑翔机经3D打印成型，能耗显著低于手工制造。研究团队已成功制造两款原型机：双翼飞机造型滑翔机和四翼扁平鱼形设计。

核心技术原理

1. 数据构建阶段：收集20多种海洋生物（鲸鱼、鲨鱼等）和常规潜水器的3D模型，通过"变形框架"技术生成新形状
2. 神经网络训练：建立包含不同攻角（-30°至30°）下流体动力学性能的数据集
3. 关键指标优化：聚焦升阻比（lift-to-drag ratio）优化，该指标决定滑翔机运动效率

实验验证

• 风洞测试：在MIT莱特兄弟风洞中，模拟结果与实际测试误差仅5%
• 水下测试：3D打印的空心壳体设计（含浮力调节泵和质量调节器）在泳池测试中，效率显著优于传统鱼雷造型
• 数字仿真：复杂物理引擎验证了AI预测的运动轨迹准确性

未来方向

研究团队计划：

1. 缩小仿真与现实场景的性能差距
2. 开发应对洋流突变的适应系统
3. 探索更纤薄的滑翔机设计
4. 增强框架运算速度，支持微型化设备开发

该技术获某机构国防高级研究计划局(DARPA)支持，相关论文已发表于2025年6月国际机器人与自动化会议。