如果拍摄照片的飞行员保持原位并立即将总距减小到最低位置,他可能已经成功完成了紧急迫降。这是一个很好的程序,因为在自转时,降低机头以获得空速会减少作用在旋翼盘上的空气量并进一步降低旋翼转速。让直升机垂直下降会导致更多的空气通过旋翼盘向上移动并恢复一些旋翼转速。然后,飞行员利用旋翼转速中额外储存的动能来减慢直升机在接触地面之前的下降速度。这是通过在接触地面之前立即拉全总距来实现的,以产生短暂的升力爆发。时机至关重要,这样直升机才能以最低速度接触地面,从而提高乘客的生存能力。
重力与地球不同。在太空中,重力使月球保持在绕地球运行的轨道上。由于国际空间站 (ISS) 距离地球表面较近,其轨道位于地球与月球总距离的约 2% 处。因此,地球的引力场在距离地面 120 至 360 英里的典型轨道高度仍然相当强。然而,由于自由落体的情况,国际空间站中存在微重力环境。您可能在不知情的情况下经历过类似的情况。例如,由于垂直下降而产生短暂自由落体的游乐园游乐设施,或过山车的连绵起伏的山丘。太空科学家和工程师通过使用特殊手柄和 Velcro 带为微重力环境提供便利。宇航员在工作、睡觉和上厕所时会利用这些不同的便利设施。此外,考虑到长时间处于微重力环境中会影响肌肉强度和骨骼密度,宇航员必须在专门设计的机器上定期锻炼。
摘要 - 强化学习(RL)正在迅速成为空中交通管理和控制(ATM/ATC)中的主要研究方向。许多国际财团和个人作品都探索了其对不同ATC和U空间 / Urban Aircraft系统交通管理(UTM)任务的适用性,例如合并交通流,成功的水平有所不同。但是,迄今为止,还没有比较这些RL技术的共同基础,许多研究方从头开始构建自己的模拟器和场景。这可能会降低这项研究的价值,因为算法的性能无法轻易验证,也不能与其他实现相比。从长远来看,这会阻碍发展。体育馆图书馆显示了其他研究领域的库,可以通过提供一组标准化环境来解决,这些环境可用于测试不同的算法,并将它们与基准结果进行比较。本文提出了Bluesky-gym:为航空域提供类似的测试环境的库,建立在现有的开源空中交通模拟器Bluesky上。当前的Bluesky-Gym环境从垂直下降环境到静态障碍物和交通流量的合并。建立在体育馆API和Bluesky空中交通模拟器上,为ATC特定的RL性能基准提供了开源解决方案。在Bluesky-Gym的初始发布中,提出了7个功能环境。本文提出了PPO,SAC,DDPG和TD3的初步实验。结果表明,在所有环境中都具有默认超参数的所有环境。在某些环境中,出现较大的性能差距,并且在政策PPO上经常落后,但总的来说,没有明确的算法在总奖励方面超过了其他人的表现。关键字 - 空气流量管理(ATM),增强学习,自动化,基准测试,人工智能