2026-08-21
HydroGym给出61个流体控制环境。通道流上训出的多智能体策略零样本搬到Rec=20万三维机翼，局部摩阻降38%、总阻力降11%，探索成本低四个数量级。
流体控制卡在两件事上。物理上，流动高维、非线性、多尺度，传统闭环控制对湍流几乎使不上劲。工程上，航空减阻、风电场协同、管道摩阻每一项都值真金白银：论文引用的量级是民航主动减阻最多省油 15%，风电场协同增产 4% 到 5%。
强化学习在蛋白质折叠和托卡马克等离子体实时控制里能做成，共同前提是有共享环境。流体没有。现有文献里，控制器几乎总是对着一个几何、一个工况、一套网格手调出来的，换雷诺数就塌。论文把这叫 specificity trap，特异性陷阱。加上每次环境交互都是一次 CFD，模型无关 RL 本身又吃样本，大规模流动控制一直训不起，也比不了。
HydroGym 要补的就是这块基础设施，并拿一个很硬的迁移实验证明：便宜仿真上学到的近壁控制先验，可以直接贴到贵仿真上。
华盛顿大学 Brunton 组牵头，亚琛工大、慕尼黑工大、KTH 与密歇根大学等合作，把流动控制收成离散时间马尔可夫决策过程，用 Farama 的 Gymnasium 接口把 CFD 藏起来。换求解器改一行 import。六个后端各管一段：Firedrake 有限元做二维原型；m-AIA 的格子玻尔兹曼和有限体积扛大规模直接数值模拟；Nek5000 谱元做高精度不可压；JAX 与 JAX-Fluids 提供端到端可微求解器，梯度能穿过整条轨迹。
平台放出 61 个以上已验证环境，从层流圆柱到 Rec = 4×10^5 的三维机翼，二维三维都有。最大一档 DRA2303 外流用到 16 亿单元。动作做时间平滑，避免边界条件跳变把求解器打崩；观测和动作归一化到 [-1, 1]，PPO、DDPG、TD3 可以直接当基线，不为每个环境单独调超参。
三块进阶能力对应三道坎。
可微环境上的 GPPO，把奖励轨迹对策略参数的解析梯度塞进 PPO 的 clipped surrogate，用来压似然比估计的方差。多智能体框架把三维圆柱、通道、机翼沿展向拆成局部伪环境，共享策略和经验回放，用来对付分布式致动的维度墙。最关键的是物理引导零样本迁移。工作假说是：通道流和机翼吸力面共享近壁条带与条纹动力学，即便宏观几何、压强梯度和雷诺数都不一样。训练只发生在 Reτ = 206 的湍流通道：TD3 多智能体，观测严格限制为 y+ = 15 处切向和法向脉动，动作是被摩擦速度卡住的壁面法向吹吸，并满足零净质量通量，奖励最小化相对壁面剪切。训完直接部署到 Rec = 20 万、迎角 0° 的三维 NACA0012 吸力面，机翼上不再训练。观测按当地粘性尺度标准化，动作更新频率跟当地摩擦速度走。
全部已验证基线加起来超过 15 万 GPU 小时。智能体在多个环境里反复摸到同一类物理手段：边界层注能、切断声学反馈、重整尾迹。
| 场景 | 结果 | 说明 |
| 二维流体弹球 Re = 100 | 阻力约降 90% | 后柱对转，阻止剪切层对撞 |
| 三维阵风机翼 Re = 1000，α = 20°，阵风比 2 | 载荷振荡约低 20% | 前缘三射流 |
| 三维圆柱 MARL，Re = 3900 | 阻力约降 8% | 与 Suárez 等此前工作相当 |
| Kolmogorov 可微流 | GPPO 比 PPO 少至少 65% 训练迭代 | 动作幅度也更小 |
| Re / 几何 / 2D→3D 微调迁移 | 约一半 episode 收敛 | 2D→3D 算力大约省 50% 到 60% |
零样本机翼是这篇真正要卖的数字。通道流策略贴到 Rec = 20 万的 NACA0012：
| 方法 | 摩擦阻力 Cd,f 降幅 | 总阻力 Cd 降幅 |
| TD3 零样本 | 15.2% | 11.0% |
| 反向控制 opposition control | 7.6% | 6.8% |
| 均匀吹气 | 3.8% | 0% |
局部摩阻系数降 38%。通道替代网格点比机翼少两个数量级，算上时间尺度，探索成本低四个数量级；即便周期性拉回机翼验证，墙钟时间仍大约省 60 倍。
90% 绑在最简单的二维弹球上，38% 绑在共享近壁物理的迁移上。两头都不是任意流体的通解。
对做科学强化学习的人，HydroGym 的位置接近流体控制版 MuJoCo：接口统一、环境按难度分级、基线现成，不同论文终于能在同一套规则里比。对做流动控制的人，更有用的是那条迁移路径。直接在 Rec = 20 万的三维机翼上搜策略已经很贵，完整飞机级训练论文估算要超过 500 块 GPU 和 50 TB 内存。先在便宜通道流里学近壁控制，再零样本贴上去，超参搜索和多智能体协调才变得可做。
这是基础设施加一个漂亮的概念验证，还不是把主动减阻送进航线。代码、Docker 和部分轨迹已经公开。
作者划的边界清楚。环境全是直接数值模拟，没有湍流模型；内流 Reτ 最高 2200，外流 Rec 最高 40 万，工业飞行器常见 10^7 到 10^8。零样本成立的前提是共享近壁湍流物理。强逆压梯度、分离、可压缩这些家族，迁移能不能活，论文写明还没画出来。当前环境偏经典构型和准平衡边界层。三维湍流里自动微分穿过混沌轨迹仍然不稳。最大仿真单个流场 75 GB，200 步测试轨迹 15 TB，完整训练数据发不出去。
两处需要自己打折。「超过 90% 减阻」很容易被抽成平台招牌，实际发生在 Re = 100 的二维弹球。机翼实验是对称翼型、迎角 0°、中等逆压梯度下的单一连续控制块，和真实机翼的弯度、迎角、展向变化差得很远。作者把终局写成流体控制的基础模型，现在这批结果只说明：跨环境预训练在共享物理的家族里说得通。