Подводные аппараты не сильно изменились со времен подводных лодок Второй мировой войны. Они жесткие, довольно коробчатые и используют гребные винты для передвижения. И будь то большие пилотируемые суда или небольшие роботы, большинство подводных аппаратов имеют одну крейсерскую скорость, при которой они наиболее энергоэффективны.
Рыбы используют совершенно иной подход к передвижению по воде: их тело и плавники очень гибкие, и эта гибкость позволяет им взаимодействовать с водой более эффективно, чем жестким машинам. Исследователи уже много лет разрабатывают и создают гибких рыбоподобных роботов, но они все еще значительно уступают настоящим рыбам по эффективности.
Чего не хватает?
Ученые, изучающие гидродинамику, задались вопросом, позволяет ли что-то особенное в гибкости рыбьих хвостов быть такими быстрыми и эффективными в воде. Они создали модель и построили робота, чтобы изучить влияние жесткости на эффективность плавания. Ученые обнаружили, что рыбы плавают так эффективно в широком диапазоне скоростей, потому что они могут менять степень жесткости или гибкости своих хвостов в режиме реального времени.
Почему люди до сих пор используют пропеллеры?
Гидродинамика применима как к жидкостям, так и к газам. Люди используют вращающиеся жесткие объекты для перемещения транспортных средств уже сотни лет - Леонардо да Винчи включил эту концепцию в конструкцию своего вертолета, а первые лодки с пропеллерами были построены в 1830-х годах. Пропеллеры просты в изготовлении, и они прекрасно работают на своей расчетной скорости.
Только в последние пару десятилетий достижения в области мягкой робототехники позволили сделать реальностью активно управляемые гибкие компоненты. Теперь морские робототехники обращаются за вдохновением к гибким рыбам и их удивительным плавательным способностям.
Когда инженеры говорят о гибкости плавающего робота, мы обычно имеем в виду жесткость хвоста рыбы. Хвост - это вся задняя половина тела рыбы, которая двигается вперед-назад, когда она плывет.
Рассмотрим тунца, который может плавать со скоростью до 80 км/час и является чрезвычайно энергоэффективным в широком диапазоне скоростей.
Сложность копирования биомеханики рыб заключается в том, что биологи не знают, насколько гибкими они являются в реальном мире. Если вы хотите узнать, насколько эластична резинка, вы просто потянете за нее. Если потянуть за хвост рыбы, то жесткость зависит от того, насколько сильно рыба напрягает свои различные мышцы.
Лучшее, что могут сделать исследователи для оценки гибкости, - это снять плавающую рыбу и измерить, как меняется форма ее тела.
Поиск ответов в математике
Исследователи создали десятки роботов, пытаясь имитировать гибкость и плавание тунца и других рыб, но ни один из них не сравнился с настоящими.
В лаборатории ученые столкнулись с теми же вопросами, что и другие: насколько гибким должен быть робот? И если не существует оптимальной гибкости, то как робот должен менять свою жесткость во время плавания?
Ученые искали ответ в старом докладе о вибрирующих крыльях самолета. В докладе объясняется, что когда крылья самолета вибрируют, вибрации изменяют подъемную силу крыльев. Поскольку плавники рыбы и крылья самолета имеют схожую форму, та же математика хорошо работает для моделирования того, какую силу тяги создают хвосты рыб, когда они хлопают взад и вперед.
Используя старую теорию крыльев, ученые создали математическую модель плавающей рыбы и добавили пружину и шкив к хвосту, чтобы представить эффект напрягающейся мышцы. Они обнаружили удивительно простую гипотезу, скрывающуюся в уравнениях. Чтобы добиться максимальной эффективности, напряжение мышц должно увеличиваться как квадрат скорости плавания. Таким образом, если скорость плавания удваивается, жесткость должна увеличиться в четыре раза. Чтобы плыть в три раза быстрее, сохраняя высокую эффективность, рыбе или рыбоподобному роботу нужно тянуть за сухожилие примерно в девять раз сильнее.
Чтобы подтвердить эту теорию, они просто добавили искусственное сухожилие к одному из тунцеподобных роботов, а затем запрограммировали его на изменение жесткости хвоста в зависимости от скорости. Затем ученые поместили нового робота в испытательный бак и провели его через различные "миссии" - например, 200-метровый спринт, во время которого он должен был уклоняться от имитируемых препятствий. Благодаря возможности изменять гибкость хвоста робот в среднем использовал в два раза меньше энергии в широком диапазоне скоростей по сравнению с роботами с одной жесткостью.
Почему это важно
Хотя построить одного отличного робота - это здорово, больше всего ученых радует то, что их модель адаптируема. Они могут настраивать ее в зависимости от размера тела, стиля плавания или даже типа жидкости. Она может быть применена к животным и машинам, независимо от того, большие они или маленькие, пловцы или летуны.
Например, эта модель показывает, что дельфины могут многое выиграть от возможности варьировать жесткостью хвоста, в то время как золотые рыбки не получают большой выгоды из-за размера тела, формы тела и стиля плавания.
Эта модель может найти применение и при проектировании роботов. Более высокая энергоэффективность при плавании или полете - что также означает более тихие роботы - позволит радикально изменить задачи транспортных средств и роботов, которые в настоящее время имеют только одну эффективную крейсерскую скорость. В краткосрочной перспективе это может помочь биологам легче изучать русла рек и коралловые рифы, позволит исследователям отслеживать ветровые и океанические течения в беспрецедентных масштабах или даст возможность поисково-спасательным командам работать дальше и дольше.
В долгосрочной перспективе, я надеюсь, эти исследования могут вдохновить на создание новых конструкций подводных лодок и самолетов. Люди работают над созданием плавательных и летательных аппаратов всего пару столетий, в то время как животные совершенствовали свои навыки миллионы лет. Несомненно, нам еще есть чему у них поучиться.
До того как 27 июля 1921 года был открыт инсулин, диабет был смертельным заболеванием. Столетие назад люди, у которых диагностировали это нарушение обмена веществ, обычно жили всего несколько лет. У врачей не было возможности лечить опасно высокий уровень сахара в крови пациентов с диабетом, который был вызван нехваткой гормона инсулина. Однако сегодня почти 1,6 миллиона людей живут нормальной жизнью с диабетом 1-го типа благодаря открытию инсулина.
Этот прорыв в медицине обычно приписывают одному человеку, Фредерику Бантингу, который искал лекарство от диабета. Но создание надежного средства для лечения диабета зависело от исследований двух других ученых, Оскара Минковского и Сёрена Сёренсена, которые ранее проводили исследования на, казалось бы, несвязанные темы.
История инсулина иллюстрирует тот факт, что медицинские инновации строятся на фундаменте науки, а затем требуются квалифицированные инженеры, чтобы вывести лечение из лаборатории и доставить его людям, которые в нем нуждаются.
Будучи бегуном на короткие дистанции в школе и колледже, я часто задавался вопросом, какая из восьми, а иногда и девяти дорожек на треке самая быстрая. Было принято считать, что средние дорожки - с третьей по шестую - самые лучшие.
Эта идея, в некотором роде, заложена в правилах легкой атлетики. В соревнованиях с несколькими забегами - от студенческого уровня до Олимпийских игр - люди, показавшие более высокое время в ранних забегах, назначаются на средние дорожки в последующих забегах. Другими словами, самые быстрые бегуны получают вознаграждение в виде, как предполагается, лучших дорожек.
Моя недолгая беговая карьера давно позади, но в своей профессиональной деятельности я много думаю об использовании статистики для извлечения смысла из данных. В преддверии Олимпийских игр я решил проверить достоверность фольклора о распределении дорожек, оставшегося со времен моей спринтерской карьеры.
Используя данные Международной ассоциации легкоатлетических федераций за 20 лет, я обнаружил, что давние убеждения о преимуществе дорожки не подтверждаются данными. И на самом деле, в спринте на 200 метров данные свидетельствуют о том, что дорожки, которые часто воспринимаются как наименее желательные, на самом деле являются самыми быстрыми.
В сотрудничестве с отделом подводной археологии ученые научили компьютер распознавать затонувшие корабли на дне океана по снимкам, сделанным самолетами и кораблями на поверхности. Созданная компьютерная модель с точностью 92 % находит известные затонувшие корабли. Теперь она готова к использованию для поиска неизвестных или не нанесенных на карту затонувших кораблей.
Первым шагом в создании модели затонувшего корабля было обучение компьютера тому, как выглядит затонувший корабль. Также важно было научить компьютер отличать затонувшие корабли от рельефа морского дна. Для этого понадобилось множество примеров кораблекрушений. Также нужно было научить модель тому, как выглядит естественное дно океана.
Удобно, что Национальное управление океанических и атмосферных исследований ведет общедоступную базу данных о затонувших кораблях. У нее также есть большая общедоступная база данных различных видов изображений, собранных по всему миру, включая сонарные и лидарные снимки морского дна.
Как попасть на Олимпийские игры? Тренироваться, тренироваться, тренироваться... но при этом знать, на чем концентрироваться во время соревнований.
Скорость бега, плавания или гребли, высота или длина прыжка, точность попадания в цель, равновесие или подъем веса в значительной степени зависят от того, на чем сосредоточено внимание спортсмена.
Исследования показывают, что то, на чем концентрируется внимание спортсмена, может стать разницей между завоеванием золота и непопаданием в команду. Удивительным может оказаться тот факт, что переключение внимания с себя - того, что происходит в вашем теле, - на то, что находится снаружи - то, чего вы пытаетесь достичь, - является выигрышной стратегией.