热点事件持续更新

物理引导代理学习实现湍流机翼零样本降阻控制

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Yuning Wang 等在 arXiv 论文（v3，基于摘要）中提出物理引导的代理学习方法：在与机翼边界层统计匹配的湍流通道流中训练控制策略，再零样本部署到 Re_c=2×10^5 的 NACA4412 机翼，无需在机翼上额外训练。论文摘要报告，迁移策略将总阻力降低 11.1%，高于对比的最先进 opposition control 的 8.9%；计入控制成本后净节能分别为 10.9% 和 8.8%。摘要还估计代理训练相比直接在机翼上训练可带来约四个数量级的探索效率提升。这些数字为论文摘要所述结果，尚属作者声称，未见独立复现。

AI 根据报道生成 · 2 小时前更新

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
作者利用物理引导的代理学习，在与机翼边界层统计匹配的湍流通道流中训练控制策略，并将其零样本部署到Re_c=2×10^5的NACA4412机翼，无需额外机翼训练。论文摘要报告，迁移策略将总阻力降低11.1%，高于对比的8.9%阻力降幅；计入控制成本后，净节能分别为10.9%和8.8%。代理训练还带来估计约四个数量级的探索效率提升。

本事件热度走势

可比范围当前: 9
可比范围峰值: 910月12日 14:00
近 24 小时变化: –

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。