科學家們開發出一種技術，可以減輕湍流對動態結構和車輛的影響，特別是無人機（UAV）。
湍流是我們對導致飛機晃動的氣壓變化的稱呼。當飛機在飛行途中經歷氣壓變化時抖動時，這種現象最為明顯。這與飛行動物不同，飛行動物進化出了一種自然能力，可以感知周圍環境引起的湍流變化，并快速調整以保持平穩飛行。
強化學習——一種人工智能訓練方法——之前已被用於開發人工智能增強控制系統，但僅適用於特定環境或車輛。相比之下，FALCON 經過訓練，能夠了解引起湍流的基本原理，以便適應任何條件。
FALCON 基於傅里葉方法，使用複雜的正弦波來表示數據。研究人員發現，將風況數字化地表示為周期波提供了一種模擬湍流的有效方法，因為風的潮起潮落及其影響自然遵循波浪模式。
有關的：
“使用強化學習來實時適應是值得注意的，因為它可以學習潛在的湍流模型，”赫弗·蒙卡約，航空航天工程教授 安柏瑞德航空航天大學告訴《生活科學》。 “我相信這項技術非常可行，特別是考慮到當前的計算能力，例如 傑森，支持自適應學習、傅立葉分析和計算的實時集成。 ”
科學家們在加州理工學院的風洞中測試了人工智能，使用翼型機翼代表無人機，並為其安裝壓力傳感器和控制面。它利用這些來感知壓力變化，並根據需要調整其俯仰和偏航以保持穩定性。風洞中機翼上游還放置了一個可移動圓柱體，以產生湍流的隨機波動。
結果發現，經過九分鐘的學習，FALCON 會不斷嘗試適應不斷變化的湍流並反饋結果，人工智能可以保持機翼在風洞中的穩定性。
蒙卡約說：“加州理工學院的風洞測試表明，FALCON 可以在幾分鐘內學習，這表明它可以擴展到更大的飛機。” “然而，現實世界的挑戰仍然存在，特別是在快速適應多樣化和不可預測的條件以及驗證不同無人機配置和風環境的性能方面。”
通過實現對湍流的自動適應，這項研究有可能使無人機和商用飛機的飛行更加平穩。研究人員還提出了在飛機之間共享環境數據的可能性，以警告干擾。然而，考慮到圍繞飛機控制系統的網絡安全問題，這將需要一個強大的安全協議，並且需要提前進行徹底的審查和測試。
蒙卡約說：“持續的開發可能會集中在提高預測準確性和減少訓練時間上，這是可行的，但很複雜。” “此外，飛機間信息共享將增強系統的預測能力，但可能需要強大的通信標準和數據處理協議才能得到更廣泛的採用。”
下一階段的研究旨在減少人工智能的學習時間。這可能成為研究人員的核心挑戰，因為能夠快速適應環境條件對於湍流的實際解決方案至關重要。
