pour ceux qui on la fibre scientifique, je recommande cet article:
http://www.pnas.org/content/113/33/E4877
ou bien la vidéo du cours à partir de 43:45:
https://www.youtube.com/watch?v=ZZqrsS6h7aY&t=1s
A quand un petit instrument qui nous guidera sur ce principe? Ca n’a pas l’air difficile à implémenter!
modèle physique pour exploiter au mieux les thermiques
Bonjour, et merci pour le lien vers la conférence, effectivement intéressante. Par contre, je n’ai pas réussi à voir l’article… Apparemment, il faut souscrire au site ?
pas acheté l’article (dont je ne verrais surement que l’intrados, de loin) mais vu la vidéo (pas tout compris !!!) et lu le résumé
je ne crois pas qu’ils proposent un modèle physique pour exploiter les thermiques mais plutôt une technique d’apprentissage mise en oeuvre dans une atmosphère turbulente modélisée (assez différente de notre perception des thermiques?)
We simulate the atmospheric boundary layer by numerical models of turbulent convective flow and combine them with model-free, experience-based, reinforcement learning algorithms to train the gliders.
par contre l’“apprenant” dispose de capteurs (aceleration et vitesse verticales, couples, température… ) dont certains (accélération verticale du vent!?, couples) semblent plus pertinents que d’autres (vitesse verticale et température, assiette), mais les diapos sont pas assez nettes.
Bizarre , nous notre capteur c’est le vario!! qui semble inutile ici :grat:
si tu as mieux compris et veux bien nous résumer ce serait très sympa
si tu as acheté l’article je suis preneur d’une copie MP et qu’on discute de ce qu’on en pige
en effet mon titre de post est mal choisi, il n’y a pas de modèle physique à proprement parler mais plutôt d’une méthode de “machine learning” avec un apprentissage automatique basé sur le gain à long terme (le gain en altitude). L’idée est d’inférer les actions optimales à partir de mesures instantanées. Et en gros, il suffit d’avoir l’accélération verticale (due à l’ascendance donc = signal du vario) et le couple (un coté de l’aile soulevée par l’ascendance) pour être très proche de l’optimal. Le truc qui est sympa c’est que ça à l’air de fonctionner à toutes les échelles, du petit planeur de 1m à un gros planeur de 60m. Donc ça devrait être bon aussi pour le parapente.
edit: il y a quand même un modèle physique derrière, dans la modélisation des fluctuations (turbulences) dans un thermique
C’est une façon bien compliquée mais élégante de montrer que le ressenti du roulis et des accélérations verticales sont des infos de choix pour centrer un thermique. Ce qui est beau la dedans c’est l’aspect 100% modélisation et intelligence artificielle qui aboutit a un resultat empiriquement validable. J’aime beaucoup la conclusion qui suggère de le tester en réel, avec des robots apprenants sous des ailes :banane:
(Perso j’irais voler plus loin)