内容摘要
多旋翼能否把螺旋桨产生的下洗气流从干扰变成操控工具？作者设计“无人机足球”任务：无人机只能利用气流、不能直接接触球，将球推向目标，以检验下洗气流操控的可行性。
方法采用简化下洗模型与闭环强化学习：气流场随无人机横滚、俯仰改变方向，并在接近地面时向外扩散，再用阻力模型将气流速度转换为球的受力。作者使用PPO和逐步增加难度的课程训练策略，由策略向底层控制器提供航点，以闭环控制应对模型误差。
作者报告，策略在真机围栏内的4种配置中有3种将球送达目标；人机传球实验完成连续10次传球，第11次因球速过高失败。这些是特定配置的实验结果，不应解读为通用成功率。
部署使用Modal AI Starling 2 Max、148克且直径13.5厘米的小球，并依赖动作捕捉跟踪无人机和球。训练环境匹配硬件参数，下洗模型参数也按采集数据调整；实验在设有安全围栏的动作捕捉空间内进行。作者同时指出，策略有时无法提供足够的力来快速改变球的运动方向。
点评
作者论文为将多旋翼下洗气流作为非接触操控手段提供了真机可行性证据，展示了简化动力学模型配合闭环学习控制的用途。
结论限于作者报告的小球、动作捕捉与安全围栏条件下的实验；不能据此外推通用操控能力。阻力模型未充分刻画非均匀湍流对球的影响。
版本与核查范围
版本 2609.38588v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 h1[1]；#S1.SS1.p1.1；#S2.p1.1；figcaption[22]；#S2.SS2.p4.1；#S2.SS2.p2.2；#S2.SS1.p6.1；figcaption[63]；#S3.SS1.p2.1；#S3.SS1.p3.1；#S3.SS2.p2.1；#S4.p1.1