刺猬中华魂 -
关注数: 4 粉丝数: 2 发帖数: 3,830 关注贴吧数: 7
降落气动反效改进 之前那个火箭降落气动反效消除的方法,适应范围太窄,效果不稳定。 尤其是在侧向阻力较大的大水平速度下落中,表现非常不稳定。所以又推翻重写了一个。 由于想法过于复杂,不便文字描述。 直接上图!这是通过修正“预测落点”,消除(平衡)气动阻力影响的矢量计算图。计算输出是“水平落点影响率”,是个加速度值。所以可以根据下落时间(纯自由下落)估算阻力对落点偏移的影响量。不准,至少够用。锁定方向的矢量计算图。【这里我们不再考虑当前气动反效对落点的影响,因为在上一步我们已经用预测落点修正的办法,将它“消除”了。】 基础锁定方向仍然是那个之前设定的“使落点不变”的“加速度方向”。 逻辑很简单:将落点偏差映射到预设控制方向的垂直平面内,得到控制输入。然后用比例系数进行放大(缩小)。再和“预设方向基准加速度”进行矢量相减就得到了最终需要的锁定方向矢量。 关键就在于“比例系数”的计算上。 当前这个示意图展示的是“气动反效占优时,纠正落点偏远”。 在推力占优时,则需要让比例系数的计算结果反过来。又回到了最开始的办法:推力f和阻力(微升力)u自己竞争去。 这里需要根据设定加速度方向与速度方向的夹角,估算推力和气动升力对角度变化的敏感度。 【用夹角和当前俯仰角,列出侧向推力和升力的计算方程,然后求导,得到瞬时变化率。两者相减得到“当前谁占主导、主导强度有多大”,也就是λ】。 【缺陷】:在推力和气动反效效果接近的“过渡段”,控制效果接近0。不过这又有什么关系呢?速度、高度都在剧烈变化,“冲过去”就OK了。 下面是完整的手写版思路
火箭回收中气动反效与推力修正矛盾的解决 别被题目虎住,不过就是个实测思路的帖子。不是论文。 一、【问题】 你想让发动机往左推,火箭箭体的微升力让你往右移,导致落点越飘越远。等速度低了,箭体微升力又不管你了。怎么测都找不到合适的控制方向的切换点。 二、【解决思路】 将问题拆成【发动机侧推修正落点】和【气动微升力修正落点】两个部分,让他俩在控制器中自己争权去。 三、【思路来源】 在和豆包、DeepSeek讨论气动反效问题时,AI给了一个协调函数λ=(λ1-λ2)/(λ1+λ2)。λ是“推力和气动控制效率系数”。 四、【实测中的麻烦】 最初,我设计的方案是:让火箭朝向“理论上在抛物线近似中,沿该方向加速,落点不发生变化”的推力方向(基准方向);将椭圆轨道预测落点与目标落点的偏差作为比例控制的误差值(经过了高度、重力加速度整形修整),将水平误差按比例叠加到锁定方向上。λ在其中起到“决定火箭往误差相同方向偏还是往相反方向偏,偏多少”的作用。 实测效果不是很好。发动机关机一个样,开机又是一个样,而且推力效率和气动效率的切换点一直测不准。不是反向过早,就是反向过迟。近垂直下落解好不容易搞定,大倾角下落又乱了套。 五、【原因分析】 推力方向控制和气动控制其实是两套完全不同的控制体系。 推力控制的中心方向,是我之前设计的那套抛物线近似。但气动控制的中心方向却是“逆速度方向”,气动控制的本质实际上是“火箭飞行的未来弹道与自由弹道相比会飘远还是拉近”。所以,这两套控制,不能共用同一个中心方向。 六、【终极解决】 λ还是那套λ,但修正的对象不再单单是落点误差,而是【两个控制输出】 推力方向控制输出,套上λ1,再乘上twr,把方向往计算出的推力方向上拉。 气动方向控制输出,套上λ2,把方向往逆速度方向拉。 让两者直接展开竞争,谁的输出占优就听谁的。 七、【额外的协调】 大斜角下落(通常在远海回收中出现)时,空气阻力造成的距离缩减不可忽视。目前我没找到适合的阻力弹道落点预测方法,只能继续用无阻力落点预测。不过,我在进行落点偏差计算时,添加了一个“0.5*阻力加速度水平分量*预测下落时间”的距离修正量。再配合高空段首次点火减速兼修正落点时,留了几公里余量,大差不差,至少在我测试的范围内(测试分离燃料预留8%-12%,通过分力高度速度距离变化,模拟不同下落轨迹),基本可用。
再谈朱雀三“着火”前后 一、为什么会有质疑 质疑就是dinner,是玻璃心么?咱们不考虑那种毫无原则上来就攻击的类型。 质疑≠玻璃心。 质疑的根本原因,还是对混乱网络信息的对抗。 二、最初的起火照片【对比图片】 在大家对回收兴高采烈的时候,另一波人却活跃起来,这是固定的常态。此时突然出现这张起火照片,而且是从那些“活跃者”嘴里,以一种嘲讽的态度说出来。对于普通大众而言,第一意识必然是“质疑”图片真实性。 三、AI的放大效应这是我当时对上面的对比照片进行的AI分析。或许有人说“AI都这么说了”,另一些人说“AI说的也能信”。我只能说,这两种认知都是大错特错。AI回答准不准,看你问的水平。AI有三个趋向:没明确答案的问题胡诌,顺着用户话往下说,按着前文继续编。所以,问题设置、上下文污染隔离非常重要。 很显然,我这个问题设置的“非常不好”。看似尽量的保持客观提问,尽量避免对AI回答施加引导,但最终还是栽到了“详细分析地形地貌”上。导致AI回答,过度关注地形地貌差异,而非图像本身“是否AI合成”。看起来头头是道的回答,实际上还是AI的“顺话往下编”。到现在,都无法真正确定图片是否AI合成。 类似的情况,还出现在网上大量的“AI生图鉴别”上。AI鉴别AI,真的有效么? 四、调戏AI实战这是我后来,对AI进行的“压力测试”。其实前面还有些内容。但我发现无论如何提问,AI都陷入到之前的“既定答案”中。于是开始使用这种“压力测试”强制AI跳出既定答案。 效果拔群:AI答案反复横跳,不过分析关注方向却出现了变化。这为后续建立更合理的分享方法开了个头。 【五】后期识别方法 我想到了AI扩散模型生成图片的一个显著缺点:采样算法和协调器的特点带来的“画布感”。只要是AI加工过的图片,哪怕是“加个水印”或者“什么也不做,纯粹复制一遍”,本质上仍然是用扩散模型完整的生成整张图片。在经历长期对抗后,AI学会了分析方法。甚至准确进行了原始照片识别。
喷气式战斗机划代标准【纠正网络误传】 【引子】米格-21属于几代机? 2000年,我刚入行军迷时,曾经困惑过这个问题。后来搞清楚了答案:美标2代机、苏/俄标3代机。 说这个问题,是为了纠正当下网络中普遍存在的一个误传(包括AI都遭到这种误传的污染):可变后掠翼单独划分为一代。 因为米格-21已经是苏标中的3代机了。 【苏/标喷气式战斗机划分】 第一代:亚音速喷气式战斗机。典型代表米格-15、F86。 第二代:超音速喷气式战斗机。典型代表米格-17。 第三代:二倍音速以上喷气式战斗机。典型代表米格-21。 第四代:同旧美系三代。 第五代:同旧美系四代/新美系五代。 【旧美标战斗机划分】 第一代:同苏系。 第二代:同苏系二、三代。 第三代:根据越战经验提出研制的,以雷达、导弹、高亚音速机动性为主的“现代化”战斗机。【主要争议】F4鬼怪,因其超越早期苏系三代机,以雷达和导弹为主要攻击武器,被划入早期三代机。 第四代:以F22和4S为代表的,高机动性隐身战斗机。 【新美标战斗机划分(2009年前后形成)】在早期增加一代。 第一代:早期喷气式战斗机(二战末期到朝鲜战争时期),典型梅-262、米格9、F80。标志为残留螺旋桨战斗机痕迹。 第二代:后掠翼喷气式战斗机,典型代表米格-15、F-86,典型特点是气动优化、亚音速。 第三代:超音速战斗机,典型代表米格-17、米格-21、“百年系列”。F4是其晚期经典代表。 第四代:多普勒雷达、高机动性。其中晚期(现代)综合航电优化的机型被称为“四代半(旧称三代半)”。典型如F-14、F-15等。 第五代:旧标的四代。 【以上摘录整理自国防科工局2011年、2013年《美战斗机划代方法》等文章】
春晚机器人《武bot》其实很一般 抱歉,原谅我的标题。只是吸引一下眼球。 几个问题: 一、机器人只是动捕、遥控、编程【错】。通过动捕、遥控、编程,能够实现春晚的表演动作,其实才是最恐怖的事情,远比用AI实现恐怖的多。 二、AI具身智能就是和人一样自主行动【错】。那叫AI智脑、智械危机,是下一个阶段人类追求和防备的东西,不是现在。 三、【什么是AI】 AI的另外一个名字叫“大语言模型”。这是从AI技术最初诞生方式得来的一个名字。其本质就是通过设计好的数据神经网络反馈算法和损失函数、逆向梯度算法,让程序根据网络上海量的的语言文字,不断的改变高达数百GB的参数集,学会像人类一样的文字输出。例如学会“床前明月光”的下一句是“疑似地上霜”,学会在说荤笑话时,下一句是“地上鞋两双”等等。 在这种大量模仿学习人类海量网络文字,进行文字生成输出的过程中,从中学习到人类文字共有的,关于数学计算、逻辑推理、语言逻辑等等基本规律,以及对网络上海量人类知识的【模糊记忆】。也就是模仿人类大脑神经树突连接形成记忆和创造能力的模式。 【但必须强调的是】AI这种模拟人类神经树突的记忆和生成方式,并不意味着AI具备和人类相同的思考能力。人类的思考,依赖于记忆系统的实时反馈和再学习,依赖于对知识的重要度分级,依赖于复杂的逻辑分析能力,以及激素等化学物质在其中的调节作用。【AI在模拟人类神经树突传导方式的同时,并没有获得这些复杂的生物功能】AI目前的所有行为,实质上都只是一种在训练学习中形成的统计学规律运算。当它自己推理中出现“舅舅是爸爸的哥哥”和“舅舅是妈妈的哥哥”这两个答案时,它无法自主的分析清楚究竟哪个是对的。除非人类在训练它时,反复训练过这两句话的对错。 四、【什么是AI具身智能】 AI具身智能,和文字推理生成、视觉识别、文字生图等等,使用的是相同的训练原理,只是“大语言数据模型”的设计和训练方向不同。他们【都是训练AI获取模仿人类行为的能力】。 也就是说,【让机器人像人一样跑跳、打武术】,实现这些动作本身,就是AI训练。而不是【让机器人像人一样自主活动、勾勾手就会打架】才是AI。 五、【说到底】 《武bot》中的宇树机器人,它的动作的确是通过动捕,由人一步步完成的。但在舞台上,它不是重复动捕动作,更不是遥控、编程去做这些动作。而是由机器人自己,根据AI庞大的参数数据集的训练成果,将编排好的这些动作,按照指令重复做出来。【这个意义在于】 动捕的局限是一旦演出出现意外或偏差,后续动作就会连锁失控; 编程需要首先完成机器人“小脑”程序的设计,使机器人能够实现复杂的重心平衡,包括旋身跳等复杂状态的动平衡,才能再去设计动作控制程序。 AI训练则不需要考虑这些东西,只需要让AI控制机器人去完成动捕的动作,给出优良可差的评判,用逆向算法自动调整AI参数,最终实现AI参数对动作的“记忆”。在这个过程中,在无数次失败中,AI将自动获得控制身体动态平衡的能力。 【也就是说】 至少在目前,AI训练,训练的是具身智能机器人的基础能力和动作组合,而不是“像人一样具备智慧”。
1 下一页