Проблема: CFD слишком медленны для реального времени
Планирование полетов беспилотников (UAV) в городской среде требует учета ветровых потоков, так как здания формируют сложную 3D-структуру турбулентности. Традиционный метод — вычислительная гидродинамика (CFD) — дает высокоточные данные, но один расчет занимает от нескольких часов до дней. Это делает CFD непригодным для планирования миссий, которые длятся минуты.
Решение: GeoWind2Plan
Авторы (Shaoxiang Qin, Anima Anandkumar и др.) разработали фреймворк, который использует нейронный оператор, conditioned на геометрии зданий. Система принимает на вход вектор фонового ветра, 3D-модель застройки и точки старта/финиша, а затем:
- Трансформирует геометрию в систему отсчета ветра.
- Предсказывает локальные 3D-патчи ветра за ~3 секунды.
- Сшивает их в локальное поле и оптимизирует траекторию с учетом энергопотребления дрона.
Результаты: Скорость и экономия
Ключевое преимущество GeoWind2Plan — не абсолютная физическая точность (как у CFD), а «решенческая полезность» (decision-useful prediction). Система позволяет планировать маршруты в реальном времени, восстанавливая большую часть экономии энергии, которую дает полный CFD-анализ.
| Режим ветра | Экономия энергии (относительно планирования без учета ветра) | Доля экономии CFD-референса |
|---|---|---|
| Попутный ветер (Tailwind) | 6.9% | 87.9% |
| Встречный ветер (Headwind) | 12.7% | 85.7% |
| Боковой ветер (Crosswind) | 4.5% | 75.0% |
Время инференса GeoWind2Plan составляет около 3 секунд, тогда как аналогичный расчет CFD занимает ~8 часов. Работа принята на конференцию NeurIPS 2026 в статусе Spotlight.
Источник: arXiv cs.AI ↗