热点事件观察中

物理引导代理学习实现湍流机翼零样本控制

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

研究者用物理引导的代理学习训练湍流控制策略：先在湍流槽道流中训练，再直接零样本部署到 NACA4412 机翼截面（Re_c=2×10^5），无需在机翼上额外训练。迁移后的策略将总阻力降低 11.1%，高于当前最优 opposition control 的 8.9%；计入驱动成本后，两者净节能分别为 10.9% 和 8.8%。作者称，相比直接在机翼上训练，代理训练的探索效率估计提升四个数量级。

AI 根据报道生成 · 1 天前更新

最新进展10月12日 12:00

物理引导代理学习实现湍流机翼零样本控制

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.AI
物理引导代理学习实现湍流机翼零样本控制
研究者用物理引导的代理学习训练湍流控制策略，在湍流槽道流中训练后直接零样本部署到 NACA4412 机翼截面（Re_c=2×10^5），无需在机翼上额外训练。迁移后的策略将总阻力降低 11.1%，优于当前最优的 opposition control（8.9%）；计入驱动成本后净节能分别为 10.9% 和 8.8%。代理训练相比直接在机翼上训练，探索效率估计提升四个数量级。

本事件热度走势

可比范围当前: 4
可比范围峰值: 1010月12日 13:00
近 24 小时变化: -51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。