В статье рассматриваются подходы zero-shot learning и supervised learning, применяемые для моделирования и прогнозирования внешних воздействий на беспилотные летательные аппараты (БПЛА). Показано, что supervised learning обеспечивает точные предсказания поведения БПЛА в условиях, представленных в обучающих данных, тогда как Zero-shot learning позволяет системе адаптироваться к новым, ранее не наблюдаемым ситуациям, включая неизвестные погодные явления и внешние факторы. Приведены примеры использования моделей линейной регрессии и zero-shot классификации для оценки влияния различных внешних условий на параметры полёта, включая угол дрейфа. Представленные методы могут быть применены для повышения устойчивости БПЛА к непредсказуемым факторам окружающей среды и улучшения качества симуляции.

машинное обучение, обучение с учителем, обучение без учителя, БПЛА, симуляция, внешние воздействия, угол дрейфа