两栖环境中自主地面车辆实时水动力学估计的几何感知代理模型
机器人学
2026-05-19 v1
摘要
在浅水或易涝地形中作业的自主地面车辆需要考虑水动力的动力学模型。然而，目前可用的仿真与规划工具要么缺乏物理保真度，要么计算成本过高而无法实时运行。本工作提出了一种逐曲面神经网络代理模型，通过实时预测几何解析的水动力来弥合这一差距，该模型完全基于来自两辆几何形状截然不同车辆的高保真 CFD 数据进行训练。车辆特定的符号距离场（SDF）提供逐曲面淹没输入，使模型能够解析载荷如何随车辆几何形状、深度和流向变化。在留出的 CFD 数据上，该代理模型实现了 13% 的纵向力对称平均绝对百分比误差（sMAPE）和 3-12% 的垂向力 sMAPE，且每个样本的推理运行时间低于 0.9 ms。为了在真实世界条件下评估该模型，使用了全尺寸车辆在不同淹没深度下的涉水试验。由动作捕捉导出的运动学作为代理模型的输入，并对所得预测进行测试以重现力、速度和深度之间已知的物理关系。预测的阻力遵循二次速度缩放（），浮力截距与深度呈线性缩放（）。这两种关系均未编码在模型训练损失中，而是从逐曲面架构对单独预测的曲面力求和中涌现出来的。由此产生的框架为将物理基础扎实的水动力学嵌入自主地面车辆在两栖环境中依赖的仿真与规划环路提供了一条途径。
引用
@article{arxiv.2605.18543,
title = {Geometry-Aware Surrogate for Real-Time Hydrodynamics Estimation of Autonomous Ground Vehicles in Amphibious Environments},
author = {Ammar Waheed and Luke Gallantree and Zohaib Hasnain},
journal= {arXiv preprint arXiv:2605.18543},
year = {2026}
}