基于机器学习的框架,用于对飞行机器人的壁挂预测.
Yunian Shen1, Chenxi Mao2, Zeyu Qi2
1Department of Mechanics and Engineering Science, School of Physics, Nanjing University of Science and Technology, Nanjing, P. R. China. yunianshen@njust.edu.cn.
Nature communications
|December 11, 2025
概括
这项研究引入了一种高效的机器学习框架,用于预测飞行机器人在垂直墙上 success. 这种方法优化了机器人设计和控制,克服了传统模拟方法的局限性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
- 生物启发工程 生物启发工程
背景情况:
- 动物表现出多样化的自然息行为,但人造飞机在垂直壁着陆方面遇到了困难.
- 传统的动态模拟和实验对于分析和设计立机器人来说是低效的.
- 开发高效的垂直墙壁息方法对于推进飞行机器人的能力至关重要.
研究的目的:
- 开发一种高效的机器学习框架,用于预测飞行机器人的垂直壁成功.
- 克服传统动态模拟和实验方法的低效.
- 为了优化机器人控制和结构参数,以实现稳定的立.
主要方法:
- 一个经过验证的基于知识的模型被用来计算高速息期间的短暂动态.
- 使用基于知识的模型确定了息的关键成功因素.
- 在混合样本数据上训练了一种数据驱动的机器学习模型,以预测立成功或失败.
主要成果:
- 机器学习框架准确地预测任意息事件的成功或失败.
- 高精度预测可以优化机器人控制和结构参数.
- 开发的框架大大减少了与传统设计方法相关的时间和成本.
结论:
- 拟议的机器学习框架为垂直墙壁立预测提供了一种高效和高精度的解决方案.
- 这一进步优化了飞行机器人的设计和控制,提高了它们在复杂的着陆场景中的能力.
- 这项研究为更快,更具成本效益的立机器人的开发铺平了道路.


