AI 3秒预测城市风场 无人机最高省电12.7%

时间：2026年11月1日（中文媒体 DeepTech 深科技当日首发报道；论文 9 月 28 日挂 arXiv，NeurIPS 2026 将于 12 月 12 日在亚特兰大展出） 地点：田纳西大学、康考迪亚大学、麦吉尔大学、加州理工学院等机构；NeurIPS 2026 亚特兰大会场 人物：秦少翔（田纳西大学 DUAL 实验室访问学者）、赵禹程（博士生）、肖熊烨（田纳西大学，通讯作者）、王良柱（康考迪亚大学，通讯作者）、Anima Anandkumar（加州理工学院，通讯作者） 事件详情：研究团队提出 GeoWind2Plan 框架，把城市三维风场预测和无人机节能路径规划接成一条链路。输入只要建筑物三维几何、背景风向风速和任务起终点，系统先用 3D 傅里叶神经算子（FNO）预测任务相关区域的局部风场，再用带风场的无人机能耗模型优化飞行路线和速度。在论文实验条件下，局部风场预测约需 3 秒，而同样 1.2 公里尺度、米级分辨率的城市场景用计算流体力学（CFD）要跑约 8 小时。团队用快速探索随机树（RRT）在建筑物之间生成多条避障候选路线，再结合预测风场在连续三维空间里优化，结果是在多个未参与训练的城市街区测试中，相比完全不考虑风场的路径规划，顺风、逆风、侧风任务的平均能耗分别降低 6.9%、12.7% 和 4.5%。由于规划用的是 AI 预测的风场而非高精度 CFD 风场，它仍实现了 CFD 参考方案 87.9%、85.7% 和 75.0% 的节能收益。论文被 NeurIPS 2026 收录为 Spotlight 论文，代码与数据集已开源。 背景：城市低空飞行里，密集建筑会把环境风重塑成空间变化剧烈的三维流场，无人机能耗不只看航程，还看沿途风暴露。但高分辨率的城市风场现实中很难拿到：CFD 每次仿真都绑定固定来流边界条件，风向或风速一变就要重算，几小时的算力对几十分钟的飞行任务根本来不及。GeoWind2Plan 的做法是用神经算子从 CFD 数据里学建筑几何到风场的映射，并做了三个工程取舍：一是用多方向射线距离特征提前算好每块区域外的建筑遮挡，把真正影响气流的建筑筛出来喂给模型；二是把城市转到与背景风对齐的参考坐标系下预测，把风向变化转成模型看到的建筑布局变化；三是只算任务经过的走廊区域，预测区域宽度取起终点水平距离的 20% 时，预测时间从约 15 秒降到约 3 秒，而规划能耗几乎不变，若再压到 10% 则可能因为高建筑横跨而规划不出可行路线。同一团队的配套工作 ScaleSplit-NO 用两个模型分别预测大尺度流动和局部精细变化，在 256 立方的湍流数据测试中，单步预测误差比现有最好方法降低 53%，训练显存占用比最省显存的对比方法减少 79%。 影响：对配送无人机、巡检和低空物流来说，这是把省电从靠风况经验，变成可在任务前几秒算出来的规划输入，逆风场景 12.7% 的节能幅度对运营方是可测算的成本项。研究团队也划了边界：目前 GeoWind2Plan 主要预测城市平均风场，尚未充分考虑瞬时湍流的影响，而湍流既影响能耗也可能威胁飞行安全；真实城市风场比模拟环境复杂，团队正在探索用少量现场观测数据做校准，缩小模拟与现实的差距。 总结：GeoWind2Plan 的贡献不在于把风场算得更准，而在于算得足够快、只算任务需要的那一块，并且明确承认决策有用比还原全部气流更重要。三秒推理、八小时 CFD 的对比，以及逆风 12.7%、顺风 6.9%、侧风 4.5% 的节能结果，说明神经算子已经能在真实工程约束下替代一部分高成本仿真。真正要落地还要补上瞬时湍流预测和现场数据校准这两块。 常见问题： 问：这个方法现在能用在真实无人机上吗？ 答：还不能直接用。论文实测在模拟城市场景中完成，团队也说明目前主要预测城市平均风场，尚未充分考虑瞬时湍流，正用少量现场观测数据做校准。 问：省电 12.7% 是怎么测出来的？ 答：在 CFD 风场评估下，与完全不考虑风场的路径规划相比，逆风任务平均能耗降低 12.7%，顺风为 6.9%，侧风为 4.5%。 参考来源： arXiv 论文摘要页（arXiv:2609.36056，2026年9月28日提交） https://arxiv.org/abs/2609.36056 arXiv 论文全文 HTML 版 https://arxiv.org/html/2609.36056v1 NeurIPS 2026 官方 Poster 页（12月12日 亚特兰大） https://neurips.cc/virtual/2026/loc/atlanta/poster/149346 OpenReview 论文审稿页 https://openreview.net/forum?id=qmFNLvxGRp GitHub 开源代码与数据集（DUAL-Xiao/GeoWind2Plan） https://github.com/DUAL-Xiao/GeoWind2Plan DeepTech 深科技：3秒预测城市风向！华人学者团队开发AI新技术，让无人机飞行更省电（2026年11月1日） https://www.sohu.com/a/1095761492_122014422 新浪财经转载：3秒预测城市风向！华人学者团队开发AI新技术，让无人机飞行更省电 https://k.sina.cn/article_1738690784_67a250e001901ojkg.html