Die Durchführung beeindruckender Kunstflüge in komplexen Umgebungen erfordert manuelles Arbeiten
Entwürfe wichtiger Manöver im Voraus, was kompliziert und zeitaufwändig ist
Der Horizont der durchgeführten Flugbahn wird lang. Dieses Papier präsentiert a
neuartiges Framework, das Diffusionsmodelle zur Automatisierung und Skalierung nutzt
Erzeugung einer Kunstflugbahn. Unsere wichtigste Innovation ist die Zerlegung von
komplexe Manöver in Kunstflugprimitive, Das sind kurze Bildsequenzen
die als Bausteine ​​dienen, mit kritischem Kunstflugverhalten für
beherrschbare Flugbahnsynthese. Das Modell erlernt Kunstfluggrundelemente mithilfe von
Historische Flugbahnbeobachtungen als dynamische Prioritäten, um Bewegung sicherzustellen
Kontinuität, mit zusätzlichen bedingten Eingaben (Zielwegpunkte und optional
Handlungsbeschränkungen) integriert, um eine vom Benutzer editierbare Trajektoriengenerierung zu ermöglichen.
Während der Modellinferenz, Die Klassifikatorführung ist in die Chargenprobenahme integriert
um eine Hindernisvermeidung zu erreichen. Zusätzlich, Die generierten Ergebnisse werden verfeinert
durch Nachbearbeitung mit räumlich-zeitlicher Trajektorienoptimierung zu gewährleisten
dynamische Machbarkeit. Umfangreiche Simulationen und reale Experimente haben
validierte die Schlüsselkomponentendesigns unserer Methode, demonstriert es
Machbarkeit für den Einsatz auf echten Drohnen, um Kunstflug über große Entfernungen zu ermöglichen
Flug.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: