加州大学开发出新控制策略使无人驾驶飞行器可以随时适应极端湍流

新技术
2024-10-16 14:07

盖世汽车讯在自然界中，飞行动物能够感知周围环境的变化，包括突然出现的湍流，并迅速做出调整以确保安全。设计飞机的工程师希望飞行器也具有同样的能力，能够预测即将到来的干扰并做出适当的反应。事实上，如果飞机具有这种自动感知和预测能力，并结合稳定飞行器的机制..

盖世汽车讯在自然界中，飞行动物能够感知周围环境的变化，包括突然出现的湍流，并迅速做出调整以确保安全。设计飞机的工程师希望飞行器也具有同样的能力，能够预测即将到来的干扰并做出适当的反应。事实上，如果飞机具有这种自动感知和预测能力，并结合稳定飞行器的机制，就可以避免飞机因湍流而发生的危险。

据外媒报道，来自加州理工学院（Caltech）自动驾驶系统和技术中心（CAST）和英伟达（Nvidia）的研究团队取得新研究突破，为无人驾驶飞行器（UAV）开发的一种控制策略，称为FALCON（Fourier Adaptive Learning and CONtrol，傅立叶自适应学习和控制），并发表于期刊《npj Robotics》。

图片来源：期刊《npj Robotics》

该策略使用强化学习（一种人工智能）来自适应地学习湍流风如何随时间变化，然后利用这些知识根据实时体验来控制无人机。

“自发湍流对从民用飞机到无人机等所有事物都有重大影响。随着气候变化，导致此类湍流的极端天气事件正在增加，”航空和医学工程汉斯·W·利普曼（Hans W. Liepmann）教授、CAST布斯-克雷萨（Booth-Kresa）领导主席、新论文作者Mory Gharib表示。“极端湍流也出现在两种不同剪切流之间的界面上——例如，当高速风在高层建筑周围遇到停滞时。因此，城市环境中的无人机需要能够补偿这种突然的变化。FALCON为这些飞行器提供了一种了解即将来临的湍流并做出必要调整的方法。”

FALCON并不是第一个使用强化学习的无人机控制策略。然而，以前的策略并没有尝试学习真正代表湍流风如何运作的底层模型。相反，它们都是无模型方法。这类方法专注于最大化奖励函数，而这些函数无法用于处理不同的设置，例如不同的风况或车辆配置，因为它们只关注一种环境，所以需要重新训练。