由瑞士苏黎世联邦理工学院牵头的联合研究团队，成功开发出一种名为WindSeer的深度学习模型，能够在小型无人机上实时预测复杂地形上的风速。

　　研究团队利用计算流体动力学（CFD）模拟生成大量合成数据，训练了一个基于卷积神经网络（CNN）的WindSeer模型。该模型部署在NVIDIA Jetson Orin AGX 单板计算机上，仅通过少量稀疏且带噪声的风速测量数据，结合已知地形信息，即可实现低空风场实时预测。WindSeer的核心优势在于其能够处理高度稀疏的输入数据，并在有限计算资源下实现快速推理。

　　为验证WindSeer的有效性，研究团队在多个实际地形上进行了实验，包括欧洲的多个大型测量活动以及无人机飞行测试。研究采用了Multiplex EasyGlider4无人机，配备Pixhawk 4自动驾驶仪和各种传感器。结果表明，WindSeer能够准确预测不同复杂程度地形上的风速，且预测性能优于传统方法，还能在未经重新训练的情况下推广到未知的地形。此外，研究团队还测试了WindSeer的推理时间，证明了其在实际应用中的实时性能。

　　这一研究成果对于风能布局优化、无人机安全飞行等领域具有重要意义，有望推动相关技术的进一步发展。未来，研究团队计划继续优化WindSeer模型，提高其预测精度和适用范围，以更好地服务于实际应用场景。

　　相关成果以 WindSeer: real-time volumetric wind prediction over complex terrain aboard a small uncrewed aerial vehicle 为题发表在 Nature Communications 期刊上。