愛騎豬的老虎提示您：看後求收藏（品書網www.vodtw.tw），接著再看更方便。
實驗大樓五層會議室內，阿薩海姆軍工部經理凱文、實驗室負責人尼古拉主任，以及飛行制動技術科研究員搞哥和毛哥正在聚精會神地聆聽尚斌的彙報。
全息投影裝置展示著凱夫拉動力裝甲的三維影像，尚斌正在講解技術路線：
“目前，動力裝甲的飛行制動方案如下：”
“裝甲外部安裝微型助推器，以提供製動所需的能量，考慮到機械結構複雜性問題和可靠性問題，助推器是沒有自由度的。”
“裝甲內部則安裝微型電機，以在降落時自動對裝甲姿態進行調整，以實現制動的作用。”
“理論上來說，採用模型預測控制，可以很好地解決姿態調整和助推器的噴射功率控制問題。”
“但是，由於動力裝甲問題的特殊性，這種方法有兩點不太適合作為實際可用的控制方法。”
“第一個問題在於，模型預測控制對模型的精度過於敏感，誤差一大，無論是裝甲姿態的調整還是噴射氣流的強度控制都會現問題。”
“現有的系統辨識方法，在辨識速度上，還無法對凱夫拉裝甲這樣複雜的時變系統做到實時性的要求。
“只能在限定的時間內辨識出一個不那麼精確，甚至較為粗略的模型。”
“因此，除非提出更加高效的系統辨識方法，否則第一個問題是繞不過去的。”
“第二個問題，模型預測控制需要定義良好的損失函式才能工作。”
“也就是說，這個損失函式要能夠正確反映出裝甲空中姿態和推進器輸出功率的‘好與壞’。”
“而像這種比較抽象的‘好’與‘壞’，是非常難以透過函式的形式表達出來的。”
“剛剛測試中的假人‘受傷’，就是因為沒能定義好損失函式，才導致姿態調整過於迅猛，電機輸出力道過大，直接撕裂了人體組織。”
“綜上所述，這兩點如果能夠得到很好的解決，那麼飛行制動技術的成功也就不遠了。”
“最後插一句，原本，模型預測控制還有一個問題，就是計算量太大，不過好在現在的處理器算力驚人，如果採用高效能處理器，還是能夠應付的，只是成本會略高一些。”
緊接著，尚斌切換全息投影畫面，開始介紹自己的方案。
“針對第一個問題，我們提出了資料驅動與模型預測控制相結合的控制方法。”
“透過對動力裝甲降落過程中採集到的的資料訓練出一個大型非線性模型，採用終身學習的方式不斷進行資料採集和模型最佳化的迭代步驟。”
“隨著時間的推移，一定可以訓練出一個精度較高的模型供模型預測控制方法使用。”
“針對第二個問題，我們擬採用逆向強化學習與示教學習相結合的方法構建損失函式……”
接下來的時間裡，尚斌專門分析了所提方法對動力裝甲空氣動力學模型的識別精度與計算時間之間的關係，
給出了一個有限時間效能的上界，以證明他所提的方法從理論上來說是可行的。
之後，他展示了自己方法在一個頗具規模的開源測試模擬平臺上的結果，進一步論證所提方法的可行性。
最後，尚斌介紹了一下普沃大學的現有條件，以及郝俊老師的團隊。
彙報結束後，尼古拉主任微笑地看向搞哥和毛哥：
“兩位專家，這可是你們的老本行，覺得這位老師講得怎麼樣？”
搞哥和毛哥異口同聲地回答：
“俺尋思，應該能行。”
尼古拉主任心中已經大致有數，但謹慎起見，他還需要再仔細思考一下尚斌所提的方案。
他站了起來，對與會人員說道：
“感
