FALCON-S: Fixed-wing ground-effect Aerodynamics Simulator and Flight Control Learning Suite

对于飞行器而言，天空并非一个均匀的真空区域；它是一个随着飞行器靠近地面而发生剧烈变化的景观。当固定翼飞机在高空飞行时，气流围绕机翼的流动是可预测且稳定的。然而，当同一架飞机下降到距离地面仅几英尺的高度时，困在机翼与地面之间的空气会被压缩。这种被称为“地面效应”的现象，就像一个垫子，增加了维持飞机升力的升力，同时减少了试图减慢其速度的阻力。对于飞行员和工程师来说，这是一种强大的力量，能让沉重的飞机感觉更轻盈、更灵敏，但也引入了一层标准飞行模型往往会忽略的复杂性。设计能够安全导航于这一低空区域的自主系统，需要对这些变化的空气动力学力量有深刻的理解，然而，创建一个能够准确捕捉这些力量的虚拟环境长期以来一直是研究人员面临的一个重大障碍。

为了弥补这一差距，一组研究人员开发了一种全新的、高度详细的模拟框架，专门用于在地面附近飞行的固定翼飞机。不同于以往那些要么为了节省计算能力而简化物理特性，要么专注于旋翼无人机的工具，该系统模拟了一个刚性飞机在与下方大地相互作用时的完整、复杂的运动。研究人员构建了一个模块化引擎，它不仅模拟飞行本身，还模拟现实世界中存在的缺陷，例如电机响应的轻微延迟、传感器信号的静电噪声以及不可预测的阵风。通过将这种物理真实性与利用强大的图形处理器同时运行数千次模拟的能力相结合，他们创造了一个测试场，使人工智能能够以一种在虚拟设置中此前无法实现的精度进行飞行学习。

这项工作的核心是一个将飞机视为在六个自由度内运动的固体物体的模拟器，这意味着它可以进行前后、左右、上下移动，并能在所有方向上旋转。该软件通过使用半经验模型来计算作用在飞机上的力，该模型将理论物理学与源自飞机形状的现实世界数据相结合。至关重要的是，系统应用了特定的地面效应修正，根据机翼距离表面的远近来调整升力和阻力的计算。这使得模拟能够重现飞机感受到“空气垫”的精确时刻，从而改变其行为方式，而标准的飞行模型会错过这一点。该框架具有足够的灵活性，可以测试不同类型的飞行器，从小型遥控模型到大型原型机，并且可以在标准计算机处理器上运行，也可以通过图形卡进行大规模加速，以提高学习过程的速度。

在实验中，研究人员通过让两种不同类型的飞行控制器进行对抗，对该模拟器进行了测试：一种是依赖预设规则的传统数学控制器，另一种是通过试错不断改进的现代学习型控制器。他们为这些系统布置了两项主要挑战：在爬升到特定高度后保持稳定高度，以及执行一系列复杂的动作，如圆圈飞行和“8”字形飞行。结果揭示了稳定性与适应性之间的一种迷人权衡。传统控制器在条件完全符合预测时表现得极其精确，能以近乎完美的准确度保持高度。然而，当飞机需要从远处爬升或环境发生轻微变化时，它们就会陷入困境，往往根本无法达到目标高度。

相比之下，学习型控制器（特别是使用名为“近端策略优化”的方法进行训练的控制器）表现出了更强的鲁棒性。无论起始位置如何，这些系统都能在每一次测试运行中成功到达并保持目标高度。它们还展示了卓越的轨迹跟踪能力，能够以高度的一致性控制飞机完成复杂的机动动作。虽然传统控制器有时甚至无法完成任务，但学习型智能体能够全程完成转向和爬升序列而不发生坠毁。研究表明，虽然传统方法在完美、静态的环境中可能更精确，但学习型方法在处理动态且不可预测的真实飞行（尤其是涉及地面效应时）方面表现得更为出色。

研究人员还调查了这些系统在面对现实世界的不完美情况（如传感器噪声、指令延迟和湍流）时的表现。他们发现，学习型控制器对传感器噪声具有惊人的韧性，即使接收到的数据略有损坏，也能保持性能。然而，它们对系统延迟较为敏感，即指令与飞机运动之间的滞后会导致飞机晃动或失去控制。湍流被证明是最具挑战性的因素，强劲的阵风有时会将飞机推离其安全飞行包络线。有趣的是，飞机的尺寸和设计也起到了显著作用：较小、较轻的模型比较大的模型更能吸收延迟带来的影响，但较小的模型也更容易被风吹离航线。

该研究的一个重要发现是量化了飞机在地面效应下需要节省多少推力。模拟显示，当飞机下降到等于其翼展四分之一的高度时，维持平飞所需的功率比在高空飞行时大约减少了25%。这种功率需求的降低是地面效应提供增加的升力和减少的阻力的直接结果。研究人员确认这种节省是真实且可测量的，他们注意到，当靠近地面时，飞机可以用显著更少的能量消耗来飞行相同的路径。这一见解对于设计需要在低空环境下运行并需要节省电池寿命或燃料的自主系统至关重要。

团队通过将他们的模拟器结果与另外两个成熟的飞行模拟工具进行对比，验证了其模拟器的有效性，确保了底层物理特性的可靠性。当关闭地面效应时，他们的系统产生的飞行路径与其他工具几乎完全吻合，证实了基础空气动力学的正确性。当开启地面效应时，该系统显示出与其他工具不同的、具有系统性的行为变化，证明了新模型成功捕捉到了低空飞行的独特空气动力学现象。这种交叉验证提供了信心，表明该模拟器不仅仅是一个理论练习，而是一个可靠的研究和工程工具。

最终，这项工作提供了一个统一的平台，用于在现实条件下测试和比较不同的飞行控制策略。它证明了虽然传统的控制方法仍有其地位，但学习型方法在应对低空飞行复杂且多变的环境时展现出了更优越的适应能力。该模拟器允许研究人员在几分钟内运行数百万次飞行场景，从而加速了能够安全导航于地面效应区域的自主飞行器的开发。通过提供一个高保真度的通用基准，该框架有助于标准化飞行控制器的评估方式，推动该领域向着自主固定翼飞机能够在紧贴地面的挑战性空间中可靠运行的目标迈进。