Zachary Cooper-Baldock

AI生成流场以实现更快的3D水下导航

研究人员开发了一种新颖的3D水下路径规划方法，通过使用生成流场代理，特别是条件生成对抗网络（cGAN）。这些cGAN，包括PatchGAN和具有自注意力机制的2D3DGAN，可以替代计算成本高昂的雷诺平均纳维-斯托克斯（RANS）模拟。生成模型能够快速合成复杂的流场体积，从而实现自主水下航行器（AUVs）的实时路径规划。该方法显著降低了能源消耗，并避免了高速尾流的遭遇，为海上机器人提供了实用的解决方案。