MIT新框架助力工程师在不确定性中设计复杂系统

在设计复杂电子设备（如配送无人机）时，工程师需要在众多选项中寻求平衡——既要控制成本，又要最大化载重或续航能力。而当设计者无法确切掌握每个电池和电机的规格参数，且实际性能还会受天气等不可预测因素影响时，这一挑战将变得更加棘手。

麻省理工学院（MIT）的研究人员开发了一套新框架，帮助工程师在明确考虑不确定性的前提下设计复杂系统。该框架能够对由多个相互关联部件组成的设备进行性能权衡建模，每个部件的行为都可能存在不可预测性。

与现有方法相比，这套技术能够捕捉多种结果和权衡的可能性分布，提供比仅能模拟最优和最差情景更为丰富的信息。未来，该框架有望帮助工程师开发出更稳健、更可靠的复杂系统，包括自动驾驶汽车、商用飞机乃至区域交通网络。

MIT土木与环境工程系助理教授、论文通讯作者Gioele Zardini表示："实际上，设备中的部件从来不会完全按照预期运行。如果有人面对性能不确定的传感器、不确定的算法，以及不确定的机器人设计，现在他们有了一种方法，可以将所有这些不确定性整合在一起，从而得出更优的设计方案。"

论文第一作者为MIT博士生黄宇俊，合著者为苏黎世大学博士生Marius Furter。该研究将在IEEE控制与决策会议上发表。

考虑不确定性

Zardini研究组专注于协同设计（co-design）方法，用于设计由多个相互关联部件构成的系统，涵盖机器人到区域交通网络等各类场景。

协同设计语言将复杂问题拆解为一系列"模块"，每个模块代表一个部件，可通过不同方式组合，以最大化收益或最小化成本，从而使工程师能够在合理时间内解决复杂问题。

在此前的研究中，研究人员对每个协同设计部件的建模未考虑不确定性——例如，设计者可为无人机选择的每个传感器，其性能是固定的。

然而，工程师往往无法确切掌握每个传感器的性能规格，即便掌握了，传感器也不太可能完全符合规格说明。与此同时，他们也无法预知每个传感器集成到复杂设备后的实际表现，以及天气等不可预测因素对性能的影响。

Furter表示："使用我们的方法，即使你不确定传感器的具体规格，也能设计出能够最大化目标性能的机器人。"

为此，研究人员将不确定性概念引入基于范畴论（category theory）的现有框架，并借助一些数学技巧将问题简化为更通用的结构，从而利用范畴论工具以考虑不确定性结果范围的方式求解协同设计问题。

通过重新表述问题，研究人员能够捕捉多个设计选择之间的相互影响，即便各自的性能存在不确定性。

此外，该方法比许多现有工具更为简便，后者通常需要深厚的领域专业知识。借助这套即插即用的系统，用户可以在不违反任何数学约束的前提下重新排列系统中的部件。

由于不需要特定领域的专业知识，该框架可供多学科团队使用，每位成员只需负责设计更大系统中的一个部件。

黄宇俊表示："设计一架完整的无人机对单个人来说并不现实，但设计无人机的某个部件是可行的。通过提供一个考虑不确定性的部件协作框架，我们让人们更容易评估整个无人机系统的性能。"

更详尽的信息

研究人员利用这一新方法，为无人机选择感知系统和电池，目标是在最小化全生命周期成本和重量的同时最大化载重。

每种感知系统在不同天气条件下可能提供不同的检测精度，而设计者无法确切预知其性能波动情况。新系统使设计者能够在考量无人机整体性能时将这些不确定性纳入其中。

与其他方法不同，该框架还能揭示不同电池技术各自的优势。例如，结果显示，在较低载重情况下，镍氢电池的预期全生命周期成本最低。Zardini表示，这一洞见若不考虑不确定性则无法完整呈现。

另一种方法可能只能展示锂聚合物电池的最优和最差性能情景，而该框架则能为用户提供更详尽的信息。例如，它能显示：当无人机载重为1750克时，电池设计不可行的概率为12.8%。

"我们的系统提供权衡信息，然后由用户对设计方案进行判断，"他补充道。

未来，研究人员希望提升问题求解算法的计算效率，并将该方法扩展至由多方协作与竞争共同设计系统的场景，例如多家铁路公司共用同一基础设施的交通网络。

加州理工学院机械与土木工程、控制与动力系统及航空航天系Bren讲席教授Aaron Ames（未参与本研究）表示："随着系统复杂性的增长，涉及越来越多的异构部件，我们需要一套正式框架来设计这些系统。本文提出了一种从模块化部件组合大型系统、理解设计权衡的方法，更重要的是，引入了不确定性的概念。这为形式化设计包含学习使能部件的大规模系统创造了机遇。"

Q&A

Q1：MIT新框架是如何处理工程设计中的不确定性的？

A：该框架基于范畴论，将复杂系统拆解为多个可组合的模块，并通过数学方法将不确定性纳入每个部件的建模中。它能够捕捉多种设计结果的概率分布，而不仅仅是最优或最差情景，从而帮助工程师在部件性能不确定的情况下做出更优的整体设计决策。

Q2：MIT这套协同设计框架适合哪些应用场景？

A：该框架适用于由多个相互关联部件构成的复杂系统设计，包括无人机、自动驾驶汽车、商用飞机乃至区域交通网络。由于不需要特定领域的专业知识，它尤其适合多学科团队协作，每位成员只需负责设计系统中的一个部件。

Q3：MIT框架在无人机设计中具体能提供哪些信息？

A：以无人机为例，该框架不仅能比较不同电池技术在不同载重下的预期全生命周期成本，还能给出具体的概率信息。例如，当载重为1750克时，某种电池设计不可行的概率为12.8%。这类细粒度的概率信息是传统只考虑最优/最差情景的方法所无法提供的。