数据集闭环研发平台：本作具体任务
交代本作 24 个月周期内，我们如何在各阶段驱动 AI 进化。
01
数据采集
使用测试船在香港近岸收集 500+ 小时日志，覆盖不同风力下的航向数据。
点击查看规格 →
02
数据管理
建立结构化数据库，实现 GNSS 坐标与 IMU 角速度的微秒级同步。
03
数据挖掘
自动提取“突发阵风”、“侧流冲击”等异常数据片段作为难点样本。
04
数据增强
在虚拟环境中生成 10,000+ 个极端海况变体，扩充 AI 见识。
05
真值生产
通过卡尔曼滤波算法对原始轨迹进行“平滑标注”，定义最优路径。
06
模型生产
核心工作：设计奖励函数，训练 RNN + DQN 模型，解决航向的时序预测。
07
算法评测
在仿真器中运行模型，自动评估航向摆动是否控制在 ±10° 以内。
08
问题分析
分析模型在特定波浪频率下的失稳原因，反馈下一航次补齐数据。
敏捷开发模式与 Sim-to-Real 控制
通过快速迭代缩小仿真与现实的差距，确保系统鲁棒性。
需求规划
架构设计
系统构建
整合测试
评审反馈
版本发布
Sprint
2-4 Weeks
敏捷 Sprint 闭环 (2-4周/周期)
通过每周的海试反馈，快速调整奖励函数 (Reward Function)。如果发现 V2 版本在实地海域出现震荡，Sprint 团队会立即在仿真环境中复现该频率，并在下一版本修复，确保 Sim-to-Real Gap 始终处于受控状态。
V1: 仿真基准 (Baseline)
在理想环境验证 RNN+DQN 收敛性，确保核心逻辑正确。
V2: 虚实迁移 (Migration)
引入域随机化，模拟传感器噪点，利用初期海试数据对齐物理参数。
V3: 最终对齐 (Alignment)
针对特定船型进行残差学习，补偿非线性流体干涉，实现 ±10° 稳定。
系统集成：传感器装在哪？
主控控制台 (Console Unit)
GNSS Module (Top)
6-Axis IMU (Mainboard)
GNSS：提供绝对位置、对地速度与航向角 (COG)
IMU：测量角速度与姿态，用于毫秒级瞬时补偿
推进单元 (Thruster Unit)
霍尔编码器 (实时转速反馈)
电流/温感 (负载监控与堵转保护)
※ 核心优势：传感器高度集成于硬件盒内。安裝即完成部署，無需在船體佈線，降低適配難度。
船尾“2纵1横”湍流抑制
质询：三桨集中在船尾，流体干涉严重吗？
传统布局若距离过近会产生“空化效应”。Vilsun 通过 物理分层 + 算法分时 解决该问题。
01
安装深度差 (Z-Axis Offset)
横向侧推桨的安装高度比主推进桨低 5-10 厘米。分层部署确保侧推水流能直接排开，不进入主推桨的低压吸入区。
02
占空比分时调度 (Time-Slicing)
AI 算法在精密定点模式下，会以毫秒级窗口交替调节主/侧推进器输出。物理上消除了水流持续叠加产生的湍流中心。
Main
Side
深度 +5cm
Main