經過多年在無人機 (UAV) 方面的專注工作，NPS 和海軍研究實驗室 (NRL) 合作夥伴在世界上最具挑戰性的環境之一：北極圈中成功完成了九年連續研發的最終測試。

協作團隊整合了NPS自身的尖端技術航班-由Platform Aerospace開發和營運的Vanilla UAV路徑規劃軟體，稱為POTION（路徑優化）。這項舉措突破了他們的研究界限，在令人畏懼的阿拉斯加北坡對香草-POTION 組合進行了嚴格測試，充分利用了狹窄的天氣窗口。

值得注意的是，9月北極飛行的結果超出了所有人的預期，也超出了Vanilla在先前任務中創下的多項記錄。這項成就凸顯了 Vanilla-POTION 組合的卓越能力，並代表了在長期合作夥伴關係範圍內推進海軍行動無人機技術的里程碑。

NPS 機械與航空航天工程 (MAE) 副教授 Vladimir Dobrokhodov 博士領導了 NPS 的「能量感知空中飛行」工作，他於 2001 年開始在 NPS 擔任博士後研究員。

多布羅霍多夫解釋說：「滑翔機的效率是透過其明智的能源利用來量化的，這與戰鬥機的戰鬥效率指標形成鮮明對比。與運輸機類似，滑翔機的目標是以最小的燃料消耗飛越遙遠的距離。“NPS 和 NRL 經過九年的精心合作，開發了創新方法來優化長航時飛機的效率。”

早在2014 年，Dobrokhodov 就與NRL 的Dan Edwards 博士和Richard Stroman 博士合作，利用一種名為Hybrid Tiger 的新型混合無人機探索能源感知飛行研究，該無人機整合了氫燃料電池、太陽能和大氣風能收集技術。該項目歷時三年。

此計畫成就的核心是開發了最佳軌跡規劃軟體，模擬候鳥在大氣風河中航行的節能飛行模式。

在以低空速和低高度為特徵的節能飛行領域，對強風和結冰不利影響的敏感度被放大，使得飛行路徑規劃對人類操作員來說極具挑戰性。航線的數學最佳化變得至關重要，需要複雜的軟體解決方案，使飛機能夠熟練地穿越各種潛在危險的天氣條件。

與MAE 教授馬克·卡彭科(Mark Karpenko) 和凱文·瓊斯(Kevin Jones) 密切合作，這些研究人員在飛行效率和最優控制工程領域花費了多年時間，幫助將能量最優方法推進到現在的POTION。該團隊開發了飛機的推進效率模型來模擬 Vanilla 無人機的燃油消耗，並使用機器學習將該模型整合到路線優化演算法中。

卡彭科說：“使用神經網路來表示并快速執行原本複雜的能量模型是優化 Vanilla 飛行路徑的關鍵推動因素。”

提供者：海軍研究生院