Este enfoque podría permitir vehículos autónomos, aviones comerciales o redes de transporte más fiables frente a la imprevisibilidad del mundo real

Adam Zewe | Noticias del MIT

Diseñar un dispositivo electrónico complejo como un dron de reparto implica hacer malabarismos con muchas opciones, como seleccionar motores y baterías que minimicen el coste y maximicen la carga que puede transportar el dron o la distancia que puede recorrer.

Resolver este dilema no es tarea fácil, pero ¿qué ocurre si los diseñadores desconocen las especificaciones exactas de cada batería y motor? Además, el rendimiento real de estos componentes probablemente se verá afectado por factores impredecibles, como los cambios climáticos a lo largo de la ruta del dron.

Investigadores del MIT desarrollaron un nuevo marco que ayuda a los ingenieros a diseñar sistemas complejos considerando explícitamente dicha incertidumbre. Este marco les permite modelar las compensaciones de rendimiento de un dispositivo con muchas partes interconectadas, cada una de las cuales podría comportarse de forma impredecible.

Su técnica captura la probabilidad de muchos resultados y compensaciones, brindando a los diseñadores más información que muchos enfoques existentes que, como mucho, solo pueden modelar los mejores y peores escenarios.

En última instancia, este marco podría ayudar a los ingenieros a desarrollar sistemas complejos como vehículos autónomos, aviones comerciales o incluso redes de transporte regionales que sean más robustas y fiables frente a la imprevisibilidad del mundo real.

En la práctica, los componentes de un dispositivo nunca se comportan exactamente como se espera. Si alguien tiene un sensor cuyo rendimiento es incierto, un algoritmo incierto y el diseño de un robot también incierto, ahora tiene una forma de combinar todas estas incertidumbres para lograr un mejor diseño, afirma Gioele Zardini, profesor adjunto Rudge y Nancy Allen de Ingeniería Civil y Ambiental en el MIT, investigador principal del Laboratorio de Sistemas de Información y Decisión (LIDS), profesor afiliado al Instituto de Datos, Sistemas y Sociedad (IDSS) y autor principal de un artículo sobre este marco.

Zardini colabora en el artículo con el autor principal, Yujun Huang, estudiante de posgrado del MIT, y Marius Furter, estudiante de posgrado de la Universidad de Zúrich. La investigación se presentará en la Conferencia IEEE sobre Decisión y Control.

Considerando la incertidumbre

El Grupo Zardini estudia el codiseño, un método para diseñar sistemas formados por muchos componentes interconectados, desde robots hasta redes de transporte regionales.

El lenguaje de codiseño divide un problema complejo en una serie de componentes, cada uno de los cuales puede combinarse de diferentes maneras para maximizar los resultados o minimizar los costos. Esto permite a los ingenieros resolver problemas complejos en un tiempo razonable.

En trabajos anteriores, los investigadores modelaron cada componente de codiseño sin considerar la incertidumbre. Por ejemplo, el rendimiento de cada sensor que los diseñadores podían elegir para un dron era fijo.

Pero los ingenieros a menudo desconocen las especificaciones exactas de rendimiento de cada sensor, e incluso si las conocieran, es poco probable que el sensor cumpla a la perfección con su hoja de especificaciones. Al mismo tiempo, desconocen cómo se comportará cada sensor una vez integrado en un dispositivo complejo, ni cómo se verá afectado su rendimiento por factores impredecibles como el clima.

«Con nuestro método, incluso si no está seguro de cuáles serán las especificaciones de su sensor, puede diseñar el robot para maximizar el resultado que desea», afirma Furter.

Para lograrlo, los investigadores incorporaron esta noción de incertidumbre en un marco existente basado en la teoría de categorías.

Mediante trucos matemáticos, simplificaron el problema y lo transformaron en una estructura más general. Esto les permite usar las herramientas de la teoría de categorías para resolver problemas de codiseño considerando una gama de resultados inciertos.

Al reformular el problema, los investigadores pueden capturar cómo múltiples opciones de diseño se afectan entre sí incluso cuando su desempeño individual es incierto.

Este enfoque también es más sencillo que muchas herramientas existentes, que suelen requerir un amplio conocimiento del dominio. Gracias a su sistema plug-and-play, se pueden reorganizar los componentes del sistema sin violar ninguna restricción matemática.

Y como no se requiere experiencia específica en ningún dominio, el marco podría ser utilizado por un equipo multidisciplinario donde cada miembro diseña un componente de un sistema más grande.

Diseñar un UAV completo no es viable para una sola persona, pero diseñar un componente de un UAV sí lo es. Al proporcionar un marco que explique cómo estos componentes funcionan juntos, considerando la incertidumbre, hemos facilitado la evaluación del rendimiento de todo el sistema UAV, afirma Huang.

Información más detallada

Los investigadores utilizaron este nuevo enfoque para elegir sistemas de percepción y baterías para un dron que maximizarían su carga útil y minimizarían su costo de vida útil y su peso.

Si bien cada sistema de percepción puede ofrecer una precisión de detección diferente en distintas condiciones climáticas, el diseñador desconoce con exactitud cómo fluctuará su rendimiento. Este nuevo sistema le permite considerar estas incertidumbres al evaluar el rendimiento general del dron.

Y a diferencia de otros enfoques, su marco revela ventajas distintas de cada tecnología de batería.

Por ejemplo, sus resultados muestran que, con cargas útiles más bajas, las baterías de níquel-hidruro metálico ofrecen el menor coste de vida útil esperado. Esta información sería imposible de captar plenamente sin tener en cuenta la incertidumbre, afirma Zardini.

Si bien otro método solo puede mostrar los escenarios de rendimiento más favorables y más desfavorables de las baterías de polímero de litio, su marco brinda al usuario información más detallada.

Por ejemplo, muestra que si la carga útil del dron es de 1.750 gramos, hay un 12,8 por ciento de posibilidades de que el diseño de la batería sea inviable.

“Nuestro sistema ofrece las compensaciones y luego el usuario puede razonar sobre el diseño”, añade.

En el futuro, los investigadores buscan mejorar la eficiencia computacional de sus algoritmos de resolución de problemas. También desean extender este enfoque a situaciones donde un sistema es diseñado por múltiples partes que colaboran y compiten, como una red de transporte donde las compañías ferroviarias operan utilizando la misma infraestructura.

“A medida que la complejidad de los sistemas aumenta e involucra componentes más dispares, necesitamos un marco formal para diseñarlos. Este artículo presenta una manera de componer sistemas grandes a partir de componentes modulares, comprender las compensaciones del diseño y, lo que es más importante, hacerlo con una noción de incertidumbre. Esto crea una oportunidad para formalizar el diseño de sistemas a gran escala con componentes que facilitan el aprendizaje”, afirma Aaron Ames, profesor Bren de Ingeniería Mecánica y Civil, Sistemas de Control y Dinámicos, y Aeroespacial en Caltech, quien no participó en esta investigación.