3秒预测城市三维风场，让无人机节能规划快过CFD近万倍！
GeoWind2Plan: Mission-Time 3D Urban Wind Prediction for Energy-Efficient UAV Planning
📖 AI 总结
该研究针对城市低空飞行中建筑扰动风场导致无人机能耗难以精确规划的问题，提出GeoWind2Plan框架。传统计算流体力学（CFD）虽能生成高保真风场，但单次仿真需数小时至数天，与通常仅持续数分钟至数十分钟的无人机任务不匹配。该框架仅需背景风矢量、三维建筑几何和起止点，即可将建筑几何转换至参考风坐标系，利用局部几何条件神经算子预测任务相关三维风场并拼接为可查询风场，再结合物理能耗模型优化三维路径与速度。实验表明，其风场推断仅需约3秒，而CFD约需8小时；在CFD评估下，顺风、逆风、侧风任务中能耗分别降低6.9%、12.7%和4.5%，恢复CFD参考节能的87.9%、85.7%和75.0%。该工作证明快速走廊局部化风场预测可使风感知无人机能耗规划在任务时间内切实可行。
🔑 关键词速览
| GeoWind2Plan | 一种从建筑几何到风场预测再到无人机路径规划的端到端框架，可在任务时间内快速生成三维城市风场并优化节能轨迹。 |
| 计算流体力学（CFD） | 通过数值求解流体力学方程来模拟流场的方法，能提供高保真城市风场，但计算耗时且依赖固定边界条件。 |
| 局部化几何条件神经算子 | 一种以局部建筑几何为条件、在参考风坐标系下预测任务相关三维风斑块的神经算子模型。 |
| 走廊局部化风推断 | 仅针对无人机飞行走廊附近区域进行风场预测，而非全域重建，从而大幅降低计算量并满足任务时需求。 |
| 风感知无人机能量规划 | 在路径与速度规划中考虑局部风场对无人机能量消耗的影响，以降低飞行能耗的规划方法。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅