PulseAugur
中
实时 17:20:46
English(EN) Generating Physically Plausible Parachute Dynamics with Deep Generative Modeling

深度生成模型学习物理上可行的降落伞动力学

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的深度生成模型，称为辛降落伞生成对抗网络（SPar-GAN），以准确模拟降落伞动力学。这种物理感知方法直接从数据中学习，克服了传统方法在降落伞运动的非线性和数据稀疏性方面存在的局限性。SPar-GAN通过辛积分强制能量守恒，并已证明其能够重现各种降落伞配置的物理上可行的动力学，从而可能减少对大量物理测试的需求。 AI

影响 这种受物理约束的生成模型可以减少航空航天工程中对物理测试的需求。

排序理由 该集群包含一篇学术论文，详细介绍了用于模拟物理动力学的新型深度生成建模方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度生成模型学习物理上可行的降落伞动力学

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yulong Yang, Clara O'Farrell, Christine Allen-Blanchette ·

    使用深度生成模型生成物理上可行的降落伞动力学

    arXiv:2607.12143v1 Announce Type: cross Abstract: Accurately modeling the dynamics of planetary parachute and entry vehicle systems is critical for Entry, Descent, and Landing events such as vehicle separation and sensor activation. These dynamics are difficult to capture with tr…

相关话题