


Eine Drohne, die starken Winden standhält? Caltech nutzt 12 Minuten Flugdaten, um Drohnen das Fliegen im Wind beizubringen
Wenn der Wind stark genug ist, um den Regenschirm zu blasen, ist die Drohne stabil, so:
Fliegen im Wind gehört zum Fliegen in der Luft, wenn die Windgeschwindigkeiten steigen können stellen für Piloten eine Herausforderung dar, wenn sie ihr Flugzeug in kleinerem Maßstab landen; auch böige Winde können den Drohnenflug beeinträchtigen.
Derzeit werden Drohnen entweder unter kontrollierten Bedingungen, ohne Wind, geflogen oder von Menschen per Fernbedienung gesteuert. Drohnen werden von Forschern gesteuert, um in Formationen am freien Himmel zu fliegen. Diese Flüge werden jedoch normalerweise unter idealen Bedingungen und Umgebungen durchgeführt.
Damit eine Drohne jedoch autonom notwendige, aber routinemäßige Aufgaben ausführen kann, wie zum Beispiel die Zustellung von Paketen, muss die Drohne in der Lage sein, sich in Echtzeit an die Windverhältnisse anzupassen.
Um Drohnen beim Fliegen im Wind eine bessere Manövrierfähigkeit zu verleihen, hat ein Team von Ingenieuren von Caltech Neural-Fly entwickelt, ein künstliches Intelligenztool, mit dem Drohnen fliegen können. Menschen und Maschinen bleiben bei windigen Bedingungen beweglich, und es werden lediglich einige Schlüssel aktualisiert Parameter können der Drohne helfen, in Echtzeit mit neuen und unbekannten Windbedingungen umzugehen.
Am Anfang des Artikels haben wir bereits die Windwiderstandsfähigkeit von Drohnen gesehen. Unten sehen Sie eine Quadcopter-Drohne, die mit Hilfe der in dieser Forschung entwickelten Werkzeuge die Aufgabe erledigen kann, wenn die Windgeschwindigkeit 27 erreicht Meilen/Stunde. 8-förmiger Shuttle-Betrieb:
Beobachten Sie, wie die Drohne aus einem anderen Winkel im Wind fliegt:
Damit die Drohne bei verschiedenen Windgeschwindigkeiten pendeln kann, sind Daten vorhanden Für die Forschung waren nicht viele Daten erforderlich, und nach nur 12 Minuten Flugdaten lernte eine mit Neural-Fly ausgestattete autonome Quadrocopter-Drohne, wie sie auf starken Wind reagiert. „Die Menge der verwendeten Daten ist sehr gering“, sagte Michael O’Connell, ein Doktorand in der Abteilung für Luft- und Raumfahrt des Caltech und einer der Autoren des Papiers.
Die Forschung wurde am Mittwoch in der Zeitschrift Science Robotics veröffentlicht.
- Papieradresse: https://www.science.org/doi/10.1126/scirobotics.abm6597
- arXiv-Adresse: https://arxiv.org/pdf/2205.06908.pdf
Im Neural-Fly-Experimentaltraining flog die Drohne in einem Windkanal mit sechs verschiedenen Windgeschwindigkeiten, wobei die schnellste 21,4 km/h betrug.
Anhand dieser Daten erstellte das Team ein tiefes neuronales Netzwerk und ermöglichte dann seinem Fahrzeug, geschickt im gleichen Windkanal zu manövrieren, beispielsweise in einem Achtermuster an ein Tor heranzuzoomen oder durch zwei Ovale zu fahren Tore. Die Drohne flog im Test schneller als im Training: etwa 27 Meilen pro Stunde. Dies sei die maximale Windgeschwindigkeit, die der Windkanal erzeugen könne, sagte Guanya Shi, Autorin des Artikels und Doktorandin am Caltech. Die Software benötigt nicht nur eine geringe Datenmenge, sondern läuft auch nur auf einem Raspberry Pi, einem kostengünstigen Computergerät.
Der korrespondierende Autor Soon-Jo Chung, Professor für Luft- und Raumfahrt, Steuerung und dynamische Systeme am Caltech, sagte, die festgestellten Fehlerraten seien besser als die der bestehenden SOTA-Technologie und die Flugleistung von Drohnen, die mit dem neuen System ausgestattet seien, sei besser 2,5 bis 4 Mal.
Das Bild unten von links nach rechts zeigt Shi Guanya, Soon-Jo Chung und Michael O'Connell. Es lohnt sich, zu gratulieren, dass Shi Guanya im September 2023 als Assistenzprofessorin am Robotics Institute der School of Computing der Carnegie Mellon University antreten wird.
Forscher sagten, dass diese Technologie in Zukunft für Drohnenlieferungen oder fliegende Autos eingesetzt werden wird.
Neural-Fly-Technologie im Überblick
Wenn unbemannte Luftfahrzeuge (UAVs) eine nachhaltige Kommerzialisierung erreichen sollen, ist es entscheidend, dass sie sichere und präzise Flugmanöver bei dynamischen Hochgeschwindigkeitswinden durchführen. Es ist jedoch eine Herausforderung, effiziente Robotersteuerungen mit herkömmlichen Steuerungsentwurfsmethoden zu entwerfen, da die Beziehung zwischen verschiedenen Windbedingungen und deren Auswirkungen auf die Manövrierfähigkeit von UAVs nicht eingehend untersucht wurde.
„Neural-Fly“, vorgeschlagen von Forschern am California Institute of Technology, ist eine datengesteuerte Methode als Flugbahnverfolgungssteuerung, die auf Deep Learning basiert und lernen kann, sich schnell an sich schnell ändernde Windbedingungen anzupassen. Abbildung 3(A) unten zeigt den Datenerfassungsprozess; 3(B) zeigt die Eingabe und Beschriftungen der Trainingsdaten bei einer Windgeschwindigkeit von 13,3 km/h (3,7 m/s); Beschriftungen unter verschiedenen Windbedingungen. Verteilung der beschrifteten Daten.
Online-Anpassung + Offline-Meta-Lernen
Abbildung 2 unten ist eine Übersicht über die Neural-Fly-Methode und zeigt ihre Fortschritte bei der adaptiven Flugsteuerung und der auf Deep Learning basierenden Robotersteuerung. Neural-Fly ermöglicht die Positionsfehlerverfolgung auf Zentimeterebene für flexible und anspruchsvolle Flugbahnen unter dynamischen Windbedingungen für Standard-UAVs. Konkret besteht diese Methode hauptsächlich aus zwei Teilen, nämlich der Offline-Lernphase und der adaptiven Online-Kontrollphase für Echtzeit-Online-Lernen.
Offline-Lernphase entwickelten die Forscher Domain Adversarially Invariant Meta-Learning (DAIML), das Aerodynamik und Windbedingungen auf dateneffiziente Weise lernt und eine unabhängige tiefe neuronale Netzwerkdarstellung (DNN) darstellt. Die Darstellung passt sich an unterschiedliche Windbedingungen an, indem ein Satz linearer Koeffizienten aktualisiert wird, die von einem hybriden tiefen neuronalen Netzwerk ausgegeben werden.
DAIML ist außerdem dateneffizient, danur insgesamt 12 Minuten Flugdaten unter 6 verschiedenen Windbedingungen verwendet werden, um das tiefe neuronale Netzwerk zu trainieren. DAIML enthält mehrere Schlüsselfunktionen, die nicht nur die Dateneffizienz verbessern, sondern auch durch nachgeschaltete adaptive Online-Steuerungsstufen informiert werden können.
Es ist erwähnenswert, dass DAIML die spektrale Normalisierung verwendet, um die Lipschitz-Eigenschaft tiefer neuronaler Netze zu steuern, um die Generalisierung auf unsichtbare Daten zu verbessern und Stabilität und Robustheit im geschlossenen Regelkreis bereitzustellen. Darüber hinaus nutzt DAIML ein diskriminierendes Netzwerk, um sicherzustellen, dass die erlernte Darstellung windinvariant ist und windbezogene Informationen nur in den linearen Koeffizienten enthalten sind, die an die Online-Kontrollstufe angepasst werden.Für die
Online-Adaptive-Kontrollphase entwickelten die Forscher ein reguliertes zusammengesetztes Adaptiv-Kontrollgesetz, das auf einem grundlegenden Verständnis der Interaktion erlernter Darstellungen mit Regelsystemen basiert und eine strenge theoretische Unterstützung bietet.
Konkret verwendet das adaptive Gesetz eine Kombination aus dem Positionsverfolgungsfehlerterm und dem aerodynamischen Vorhersagefehlerterm, um die linearen Koeffizienten in Bezug auf den Wind zu aktualisieren. Dieser Ansatz garantiert effektiv eine stabile und schnelle Anpassung an alle Windbedingungen und Robustheit gegenüber unvollständigem Lernen. Obwohl dieses adaptive Kontrollgesetz mit vielen erlernten Modellen verwendet werden kann, trägt die von DAIML erlernte präzise Darstellung dazu bei, die Geschwindigkeit der Anpassung weiter zu verbessern.Experimentelle Ergebnisse
In Bezug auf die Wirkung von Neural-Fly ist es im Durchschnitt 66 % besser als der nichtlineare Tracking-Controller, 42 % besser als der adaptive L_1-Controller und 42 % besser als der inkrementelle nichtlineare Dynamischer Inversionsregler (INDI) um 35 % erhöht. Alle diese Ergebnisse wurden mit Standard-Quadrocopter-Hardware erzielt, während die standardmäßig abgestimmte Lageregelung des PX4 ausgeführt wurde.
Die Tracking-Leistung von Neural-Fly ist konkurrenzfähig, selbst im Vergleich zu verwandten Arbeiten, bei denen keine externen Windstörungen auftreten und komplexere Hardware verwendet wird, wie z. B. integrierte optische Sensoren, die das Zehnfache der Steuerfrequenz erfordern und eine Drehzahlrückmeldung des Gleichstrommotors verwenden.
Tabelle 1 unten zeigt die Fehlerverfolgungsstatistiken verschiedener Methoden unter verschiedenen Windbedingungen.
Neural-Fly-Transfer zeigt Robustheit gegenüber UAV-Konfigurationsänderungen und Modellfehlanpassungen. NF-Constant-, L_1- und INDI-Methoden passen sich alle direkt an unbekannte Dynamiken an, ohne die zugrunde liegende physikalische Struktur anzunehmen, sie haben eine ähnliche Leistung.
Schließlich zeigten die Forscher, dass Neural-Fly eine Reihe von Funktionen implementieren kann, die es der Drohne ermöglichen, einer Flugbahn zu folgen und bei starkem Wind flink durch Türen in geringer Höhe zu fliegen, wie in Abbildung 1 unten dargestellt.
Das obige ist der detaillierte Inhalt vonEine Drohne, die starken Winden standhält? Caltech nutzt 12 Minuten Flugdaten, um Drohnen das Fliegen im Wind beizubringen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Laut Nachrichten dieser Website vom 22. August gab die China Aviation Engine Group Co., Ltd. heute um 6:28 Uhr eine offizielle Ankündigung heraus, das 900-Kilowatt-Turboprop-Triebwerk AEP100-A, das völlig unabhängig von China Aviation Industry entwickelt wurde Corporation, trieb das große unbemannte Transportflugzeug SA750U in Shaanxi an. Berichten zufolge wurde das Turboprop-Triebwerk AEP100-A vom China Aerospace Engineering Research Institute entwickelt und im Süden hergestellt. Es verfügt über die Fähigkeit, sich an hohe Temperaturen und Plateaus anzupassen Leistung für Flugzeuge bei gleichzeitiger Verbesserung der Gesamteffizienz des Flugzeugbetriebs. Die AEP100-Turboprop-Triebwerksserie kann mit 2 bis 6 Tonnen schweren Allzweckflugzeugen oder 3 bis 10 Tonnen schweren unbemannten Luftfahrzeugen ausgestattet werden, und ihre Gesamtleistung hat das internationale Spitzenniveau des derzeit im Einsatz befindlichen Niveaus erreicht. Diese Seite hat bereits darüber berichtet

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 22. August, laut dem offiziellen öffentlichen Bericht von „Shanhe Huayu“, wurde heute um 6:28 Uhr das große unbemannte Transportflugzeug SA750U unabhängig von Sunward Huayu Aviation Technology entwickelt und durch die strategische Koordination von Sunward Star fertiggestellt Die Fluggesellschaft flog von Jingbian, Xi'an aus. Das experimentelle Drohnentestzentrum absolvierte erfolgreich seinen ersten Flug. ▲Bildquelle „Shanhe Huayu“ offizieller öffentlicher Bericht, Berichten zufolge funktionierten während des 40-minütigen Flugtests alle Systemgeräte des Flugzeugs normal und waren in gutem Zustand Die Leistung entsprach den Designvorgaben. Nach Abschluss der geplanten Flugthemen kehrte das Flugzeug reibungslos zurück und der Erstflug war ein voller Erfolg. Die SA750U ist das erste große unbemannte Transportflugzeug meines Landes mit einer Last von über 3 Tonnen. Die Shanhe Huayu Company brauchte nur 2 Jahre und 8 Monate, um den gesamten Prozess vom Konzeptentwurf bis zum erfolgreichen Erstflug des ersten Flugzeugs abzuschließen.

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G
