arXiv cs.AI· Daniele Affinita, Mingda Xu, Beno\^it Valentin Gherardi, Pascal Fua·· 3 天前AI 评分22
基于神经代理模型的气动外形与控制协同设计
Neural-Surrogate Co-Design of Aerodynamic Shape and Control
AI 导读
研究提出一种基于梯度的双层优化框架，用可微神经代理模型替代传统动力学模型，并通过结构利用方法对轨迹优化器求导，实现气动外形与控制器的协同设计。在固定翼滑翔机上以 NeuralFoil 作为气动代理验证，2D 翼型和 3D 机翼实验显示该方法比 SOTA 进化基线快约五倍，并优于仅优化气动代理指标的流程。
正文 · AI 翻译
摘要：控制协同设计联合优化机器人的物理设计及其控制器。现有技术在所能处理的模型参数数量和物理模型复杂度方面存在局限。在本文中，我们提出一种基于梯度的双层公式，用可微神经代理模型替代早期技术的动力学模型，并采用结构利用方法通过轨迹优化器进行微分。我们使用 NeuralFoil 作为气动代理模型，在固定翼滑翔机上验证了该框架。任务包括最大距离滑翔、最小距离着陆和栖停。在二维翼型和三维机翼上的实验表明，我们的方法运行速度比最先进的进化基线快约五倍。它还优于优化气动代理指标的流程。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2603.06760 [cs.RO] |
| （或 arXiv:2603.06760v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.06760 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Daniele Affinita [查看电子邮件]
[v1]
2026年3月6日星期五 14:18:18 UTC（3,130 KB）
[v2]
2026年10月13日星期二 11:52:36 UTC（1,447 KB）
来源：arXiv cs.AI · arxiv.org