科学家们开发出一种技术，可以减轻湍流对动态结构和车辆的影响，特别是无人机（UAV）。
湍流是我们对导致飞机晃动的气压变化的称呼。当飞机在飞行途中经历气压变化时抖动时，这种现象最为明显。这与飞行动物不同，飞行动物进化出了一种自然能力，可以感知周围环境引起的湍流变化，并快速调整以保持平稳飞行。
强化学习——一种人工智能训练方法——之前已被用于开发人工智能增强控制系统，但仅适用于特定环境或车辆。相比之下，FALCON 经过训练，能够了解引起湍流的基本原理，以便适应任何条件。
FALCON 基于傅里叶方法，使用复杂的正弦波来表示数据。研究人员发现，将风况数字化地表示为周期波提供了一种模拟湍流的有效方法，因为风的潮起潮落及其影响自然遵循波浪模式。
有关的：
“使用强化学习来实时适应是值得注意的，因为它可以学习潜在的湍流模型，”赫弗·蒙卡约，航空航天工程教授 安柏瑞德航空航天大学告诉《生活科学》。 “我相信这项技术非常可行，特别是考虑到当前的计算能力，例如 杰森，支持自适应学习、傅立叶分析和计算的实时集成。”
科学家们在加州理工学院的风洞中测试了人工智能，使用翼型机翼代表无人机，并为其安装压力传感器和控制面。它利用这些来感知压力变化，并根据需要调整其俯仰和偏航以保持稳定性。风洞中机翼上游还放置了一个可移动圆柱体，以产生湍流的随机波动。
结果发现，经过九分钟的学习，FALCON 会不断尝试适应不断变化的湍流并反馈结果，人工智能可以保持机翼在风洞中的稳定性。
蒙卡约说：“加州理工学院的风洞测试表明，FALCON 可以在几分钟内学习，这表明它可以扩展到更大的飞机。” “然而，现实世界的挑战仍然存在，特别是在快速适应多样化和不可预测的条件以及验证不同无人机配置和风环境的性能方面。”
通过实现对湍流的自动适应，这项研究有可能使无人机和商用飞机的飞行更加平稳。研究人员还提出了在飞机之间共享环境数据的可能性，以警告干扰。然而，考虑到围绕飞机控制系统的网络安全问题，这将需要一个强大的安全协议，并且需要提前进行彻底的审查和测试。
蒙卡约说：“持续的开发可能会集中在提高预测准确性和减少训练时间上，这是可行的，但很复杂。” “此外，飞机间信息共享将增强系统的预测能力，但可能需要强大的通信标准和数据处理协议才能得到更广泛的采用。”
下一阶段的研究旨在减少人工智能的学习时间。这可能成为研究人员的核心挑战，因为能够快速适应环境条件对于湍流的实际解决方案至关重要。
