WAND：用TCN估计风扰并同时驱动策略与前馈补偿，四旋翼在12种风扰仿真设置中成功率平均提升8.3个百分点，室内风扇测试20次成功18次
核心概要
本文提出WAND，一个面向密集障碍与时变风扰的四旋翼强化学习导航框架：它用时间卷积网络（TCN）从历史本体感知状态估计风致扰动加速度，经零初始化残差模块WindAdapter注入策略，同时复用该估计做底层前馈补偿；在12种风扰仿真设置中，其观测成功率相对仅用前馈补偿平均提升8.3个百分点，室内风扇扰动飞行测试20次成功18次。
Fig. 1 : Real-world deployment of WAND. (a) A quadrotor navigates a cluttered indoor scene under fan-induced airflow; the inset shows an anemometer reading of approximately 7.2 m / s 7.2\,\mathrm{m/s} . (b) The corresponding visualization in RViz.
arXiv深度剖析
WAND把风扰估计同时用于策略条件化与底层前馈补偿，使导航动作显式依赖风扰估计，而非仅靠障碍感知与本体感知隐式推断时变气动效应。 既有学习式导航策略主要条件化于障碍感知与本体感知，风扰需被隐式推断；WAND以监督方式估计风致扰动加速度，使条件化信号具有物理解释性，并将其与障碍感知、当前本体状态融合。 方法层面给出扰动加速度定义（式6）与因果TCN结构（三个残差因果块、核大小与膨胀率、左填充保证不访问未来测量），并在仿真与真实飞行中验证。
TCN扰动估计器在四类风况下RMSE均低于EKF与LSTM，包括未参与训练、验证与模型选择的留出混合风数据集。 此前风/外力估计多依赖本体或视觉惯性测量与自适应控制；这里以同一监督目标（仿真施加气动力除以质量）训练因果TCN，并在Gazebo与Isaac Sim间零重训迁移、PPO训练期间冻结。 表I给出Constant/Turbulent/Gust/Mixed四列RMSE，TCN分别为0.0777、0.1876、0.1159、0.1970，均低于EKF与LSTM；混合风为单独生成的留出评估集。
消融显示零初始化WindAdapter与方向性间隙奖励项互补：单独使用零初始化或随机初始化均未明显优于Base+Comp，二者结合才带来后期到达目标率的明显提升。 该奖励项将估计扰动方向与LiDAR方向性间隙耦合，使安全裕度随估计扰动幅值与方向自适应；零初始化使风条件残差在联合训练中渐进引入。 六种配置共享相同环境随机化与PPO设置，对比No Wind、Base、Base+Comp、w/o r_c、Random Init与WAND的训练曲线（图4）。
在固定障碍布局的对向侧风实验中，WAND在两种风向下20次试验全部成功，而Base+Comp成功率分别为60%与0%，且轨迹随风向反向偏移到中央障碍簇另一侧。 这提供了超出前馈补偿的扰动条件化导航证据：策略不仅补偿扰动，还按风向改变绕行路线与安全裕度。 表II报告S/C/T与最小障碍间隙，每条件20次试验；在某一风向下WAND还提高了成功试验的平均最小间隙。
启示与展望
该工作面向密集障碍、时变风扰下的微小型四旋翼导航，适用于仿真中空间均匀的常值、湍流、阵风与混合风剖面，以及室内风扇诱导气流的受控场景；策略从仿真直接迁移，估计器用约10分钟真实飞行数据微调，整套模型约34万参数、机载30 Hz运行，说明其目标设定是SWaP受限平台上的实时机载部署。对读者而言，这提供了把显式扰动估计同时接入策略与底层控制的参考设计，可用于需要风扰自适应安全裕度的自主飞行任务。
风剖面在仿真中为空间均匀，未建模障碍诱导的尾流与回流，作者也将空间变化风场的系统评估列为未来工作；真实实验为室内风扇诱导气流、每场景10次试验，风扰强度与空间结构受限。估计器仅捕捉飞行器当前位置的扰动，真实部署中未做显式延迟补偿，也未对加速度输出做数值微分或额外滤波。此外，部分公式、奖励权重与间隙数值在文本中以占位形式呈现，若需精确复现应查阅原文图表与公式。