【免费下载链接】rover-contact-grc1-viper项目地址：https://ai.gitcode.com/hf_mirrors/PINNeAPPle-Labs/rover-contact-grc1-viper点击查看免费下载rover-contact-grc1-viper是一个开源的月球车轮-土接触力PINN（物理信息神经网络）代理模型：只需输入车轮的"滑转率 slip"和"沉陷量 sinkage"两个数值，它就能瞬间输出 NASA VIPER 月球车车轮在 GRC-1 月壤模拟物上的牵引力、法向力和驱动扭矩，是经典 Wong-Reece 地力学公式的"数字替身"。🌙一句话定位：它不是从零训练的黑箱网络，而是把经典刚轮地力学模型（Wong-Reece）当作"老师"，用 4 层小型神经网络蒸馏其输出，并在训练中注入 4 条真实物理约束，最终通过了 12/12 项信任检查，拿到 APPROVED（1.00 分）评级。为什么需要车轮-土接触力模型？月球车在月壤上行驶时，车轮与土壤的相互作用决定了牵引、阻力与沉陷。用经典地力学公式逐步数值求解比较慢，而 PINN 代理模型一次前向传播只需微秒级，适合嵌进月球车运动仿真、能耗估算或控制算法里反复调用。这个代理模型的两个"加分项"：网络结构：随机傅里叶特征 + 残差 tanh MLP（4 块 × 96 神经元），傅里叶特征帮助它拟合接触力曲线的快速变化；物理约束：训练时用 4 条"软约束"把物理定律写进网络（见下表），避免它学出违背常识的力。训练时内置的 4 条物理约束约束物理含义dFz/dz >= 0沉陷越深，土壤法向支撑力越大，不能越陷越小dFx/ds >= 0（slip ≤ 0.3）牵引力随滑转的变化方向须与物理参考一致Mohr-Coulomb 极限Fx ≤ cA + Fz·tan(φ)，牵引力不能超过土壤剪切强度My >= R·Fx驱动扭矩至少要能产生牵引力对应的力矩输入输出：2 进 3 出，一目了然输入（2 个）名称单位含义slip–纵向滑转率（负值表示打滑 skid）sinkage_mm车轮静沉陷 + 滑转沉陷输出（3 个）名称单位含义Fx_NN牵引力（drawbar pull）Fz_NN土壤承担的法向载荷My_NmN·m驱动扭矩有效范围：先记住这几个边界，别越界使用项目范围 / 取值slip[-0.4, 0.9]sinkage_m[0.002, 0.06] m土壤GRC-1 月壤模拟物（黏聚力 c = 250 Pa，内摩擦角 φ = 38°）车轮VIPER 车轮：半径 R 0.25 m，宽 b 0.20 m，24 个防滑齿侧偏角0°（纯纵向行驶，无侧向力）⚠️ 超出范围查询时，pinneapple库会主动告警——模型只在自己的有效范围内做承诺。有多准？一组可复核的数字验证集为 2000 个与训练集完全隔离的拉丁超立方采样状态，参考值是 Wong-Reece 模型的自适应数值积分解析解：指标数值test/Fx_rmse_N（牵引力 RMSE）0.22 Ntest/Fz_rmse_N（法向力 RMSE）0.47 Ntest/My_rmse_Nm（扭矩 RMSE）0.07 N·mR²（三个输出）≈ 0.999999同时信任报告判定APPROVED（分数 1.00、覆盖率 100%）：12 项适用的物理与数据检查全部通过，4 条软约束在整张验证网格上零违反，训练/测试数据无泄漏、无重复。完整指标见 model_card.json。快速上手：3 行 Python 跑通月球车接触力预测如果需要获取模型文件，可以先克隆仓库：git clone https://gitcode.com/hf_mirrors/PINNeAPPle-Labs/rover-contact-grc1-viper然后安装官方库并预测：pip install pinneappleimport pinneapple as pp model = pp.zoo.load("rover_contact_grc1_viper") # 权重按 SHA-256 自动校验 out = model.predict({"slip": -0.00237311, "sinkage_m": 0.0121651}) print({k: round(float(v[0]), 6) for k, v in out.items()}) # {'Fx_N': -10.081497, 'Fz_N': 165.083856, 'My_Nm': 2.054259}对同一输入，Wong-Reece 参考值为 Fx ≈ -10.47 N、Fz ≈ 167.45 N、My ≈ 2.18 N·m，代理模型偏差仅约 0.4 N。这条输入输出样例连同pass判定结论，记录在 example.json 中。📌 防篡改设计：pp.zoo.load会把仓库里每个文件与模型卡记录的 SHA-256 逐一比对，文件被改动过就拒绝加载。ONNX 版：自带前后处理的独立计算图不在 PyTorch 生态里也能跑。model.onnx（opset 17）输入x（形状(n, 2)的 float32，列为slip、sinkage_m），直接输出物理单位的Fx_N、Fz_N、My_Nm——归一化/反归一化已内嵌在图中，与 PyTorch 版最大差异仅 5.6e-07。注意：ONNX 图不包含有效范围与物理检查，需自行核对输入边界。文件清单：仓库里每个文件都是干什么的文件作用weights.ptPyTorchstate_dict权重，pp.zoo.load读取的就是它model.safetensors同一份权重的 safetensors 格式副本model.onnxONNX 计算图（含前后处理）config.json网络结构、输入输出归一化边界 + 完整物理配置（土壤/车轮/重力 1.62 m/s²）model_card.json模型卡：输入输出、有效范围、验证指标、信任报告example.json完整示例：输入、输出、参考值与判定README.md项目说明文档（含全部指标与使用示例）已知局限：使用前的 3 个提醒上限取决于 Wong-Reece 公式本身：对照公开发表的单轮试验，Wong-Reece 的牵引力 RMSE 为 4–14 N，大于代理模型自身的误差——它精确复现的是物理公式，不是真实月壤；单一土壤、单一车轮：GRC-1 + VIPER 车轮，侧偏角 0°，稳态工况，无侧向力输出；零滑转处有"拐角"：滑转-沉陷机制让力曲线在 slip = 0 处出现折点，网络会在一小段滑转区间内把它抹平。小结rover-contact-grc1-viper 展示了一套"物理信息代理模型"的完整样板：经典地力学公式当老师、小网络 + 物理约束做蒸馏、SHA-256 校验 + 信任报告 + 物理检查为每次预测提供独立审计。🛞 如果你在做月球车运动仿真、能耗估算或控制器开发，它能让"车轮现在受多大的力"这类问题在微秒级得到可信答案。赞分享【免费下载链接】rover-contact-grc1-viper项目地址：https://ai.gitcode.com/hf_mirrors/PINNeAPPle-Labs/rover-contact-grc1-viper点击查看免费下载相关推荐learnxinyminutes-docs 仓库精读：C 语言完整语法速成指南（基于 fr/c.md 全解析）learnxinyminutes docs 仓库精读：C 语言完整语法速成指南（基于 fr/c.md 全解析） 本指南以 learnxinyminutes doMeson 原生支持 Cython：从 .pyx 到 C/C++ 扩展模块的完整构建指南Meson 原生支持 Cython：从 .pyx 到 C/C++ 扩展模块的完整构建指南 Meson Build System 自 0.59.0 起将 CythApache Storm 与 JMS 集成实战：基于 storm-jms-examples 构建消息队列读写拓扑Apache Storm 与 JMS 集成实战：基于 storm jms examples 构建消息队列读写拓扑 Apache Storm 的 storm jm上一篇：Angular Components性能监控工具：识别与解决性能问题下一篇：解锁Label Studio全潜力：插件市场探索与安装指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
【免费下载链接】rover-contact-grc1-viper项目地址：https://ai.gitcode.com/hf_mirrors/PINNeAPPle-Labs/rover-contact-grc1-viper点击查看免费下载rover-contact-grc1-viper是一个开源的月球车轮-土接触力PINN（物理信息神经网络）代理模型：只需输入车轮的"滑转率 slip"和"沉陷量 sinkage"两个数值，它就能瞬间输出 NASA VIPER 月球车车轮在 GRC-1 月壤模拟物上的牵引力、法向力和驱动扭矩，是经典 Wong-Reece 地力学公式的"数字替身"。🌙一句话定位：它不是从零训练的黑箱网络，而是把经典刚轮地力学模型（Wong-Reece）当作"老师"，用 4 层小型神经网络蒸馏其输出，并在训练中注入 4 条真实物理约束，最终通过了 12/12 项信任检查，拿到 APPROVED（1.00 分）评级。为什么需要车轮-土接触力模型？月球车在月壤上行驶时，车轮与土壤的相互作用决定了牵引、阻力与沉陷。用经典地力学公式逐步数值求解比较慢，而 PINN 代理模型一次前向传播只需微秒级，适合嵌进月球车运动仿真、能耗估算或控制算法里反复调用。这个代理模型的两个"加分项"：网络结构：随机傅里叶特征 + 残差 tanh MLP（4 块 × 96 神经元），傅里叶特征帮助它拟合接触力曲线的快速变化；物理约束：训练时用 4 条"软约束"把物理定律写进网络（见下表），避免它学出违背常识的力。训练时内置的 4 条物理约束约束物理含义dFz/dz >= 0沉陷越深，土壤法向支撑力越大，不能越陷越小dFx/ds >= 0（slip ≤ 0.3）牵引力随滑转的变化方向须与物理参考一致Mohr-Coulomb 极限Fx ≤ cA + Fz·tan(φ)，牵引力不能超过土壤剪切强度My >= R·Fx驱动扭矩至少要能产生牵引力对应的力矩输入输出：2 进 3 出，一目了然输入（2 个）名称单位含义slip–纵向滑转率（负值表示打滑 skid）sinkage_mm车轮静沉陷 + 滑转沉陷输出（3 个）名称单位含义Fx_NN牵引力（drawbar pull）Fz_NN土壤承担的法向载荷My_NmN·m驱动扭矩有效范围：先记住这几个边界，别越界使用项目范围 / 取值slip[-0.4, 0.9]sinkage_m[0.002, 0.06] m土壤GRC-1 月壤模拟物（黏聚力 c = 250 Pa，内摩擦角 φ = 38°）车轮VIPER 车轮：半径 R 0.25 m，宽 b 0.20 m，24 个防滑齿侧偏角0°（纯纵向行驶，无侧向力）⚠️ 超出范围查询时，pinneapple库会主动告警——模型只在自己的有效范围内做承诺。有多准？一组可复核的数字验证集为 2000 个与训练集完全隔离的拉丁超立方采样状态，参考值是 Wong-Reece 模型的自适应数值积分解析解：指标数值test/Fx_rmse_N（牵引力 RMSE）0.22 Ntest/Fz_rmse_N（法向力 RMSE）0.47 Ntest/My_rmse_Nm（扭矩 RMSE）0.07 N·mR²（三个输出）≈ 0.999999同时信任报告判定APPROVED（分数 1.00、覆盖率 100%）：12 项适用的物理与数据检查全部通过，4 条软约束在整张验证网格上零违反，训练/测试数据无泄漏、无重复。完整指标见 model_card.json。快速上手：3 行 Python 跑通月球车接触力预测如果需要获取模型文件，可以先克隆仓库：git clone https://gitcode.com/hf_mirrors/PINNeAPPle-Labs/rover-contact-grc1-viper然后安装官方库并预测：pip install pinneappleimport pinneapple as pp model = pp.zoo.load("rover_contact_grc1_viper") # 权重按 SHA-256 自动校验 out = model.predict({"slip": -0.00237311, "sinkage_m": 0.0121651}) print({k: round(float(v[0]), 6) for k, v in out.items()}) # {'Fx_N': -10.081497, 'Fz_N': 165.083856, 'My_Nm': 2.054259}对同一输入，Wong-Reece 参考值为 Fx ≈ -10.47 N、Fz ≈ 167.45 N、My ≈ 2.18 N·m，代理模型偏差仅约 0.4 N。这条输入输出样例连同pass判定结论，记录在 example.json 中。📌 防篡改设计：pp.zoo.load会把仓库里每个文件与模型卡记录的 SHA-256 逐一比对，文件被改动过就拒绝加载。ONNX 版：自带前后处理的独立计算图不在 PyTorch 生态里也能跑。model.onnx（opset 17）输入x（形状(n, 2)的 float32，列为slip、sinkage_m），直接输出物理单位的Fx_N、Fz_N、My_Nm——归一化/反归一化已内嵌在图中，与 PyTorch 版最大差异仅 5.6e-07。注意：ONNX 图不包含有效范围与物理检查，需自行核对输入边界。文件清单：仓库里每个文件都是干什么的文件作用weights.ptPyTorchstate_dict权重，pp.zoo.load读取的就是它model.safetensors同一份权重的 safetensors 格式副本model.onnxONNX 计算图（含前后处理）config.json网络结构、输入输出归一化边界 + 完整物理配置（土壤/车轮/重力 1.62 m/s²）model_card.json模型卡：输入输出、有效范围、验证指标、信任报告example.json完整示例：输入、输出、参考值与判定README.md项目说明文档（含全部指标与使用示例）已知局限：使用前的 3 个提醒上限取决于 Wong-Reece 公式本身：对照公开发表的单轮试验，Wong-Reece 的牵引力 RMSE 为 4–14 N，大于代理模型自身的误差——它精确复现的是物理公式，不是真实月壤；单一土壤、单一车轮：GRC-1 + VIPER 车轮，侧偏角 0°，稳态工况，无侧向力输出；零滑转处有"拐角"：滑转-沉陷机制让力曲线在 slip = 0 处出现折点，网络会在一小段滑转区间内把它抹平。小结rover-contact-grc1-viper 展示了一套"物理信息代理模型"的完整样板：经典地力学公式当老师、小网络 + 物理约束做蒸馏、SHA-256 校验 + 信任报告 + 物理检查为每次预测提供独立审计。🛞 如果你在做月球车运动仿真、能耗估算或控制器开发，它能让"车轮现在受多大的力"这类问题在微秒级得到可信答案。赞分享【免费下载链接】rover-contact-grc1-viper项目地址：https://ai.gitcode.com/hf_mirrors/PINNeAPPle-Labs/rover-contact-grc1-viper点击查看免费下载相关推荐learnxinyminutes-docs 仓库精读：C 语言完整语法速成指南（基于 fr/c.md 全解析）learnxinyminutes docs 仓库精读：C 语言完整语法速成指南（基于 fr/c.md 全解析） 本指南以 learnxinyminutes doMeson 原生支持 Cython：从 .pyx 到 C/C++ 扩展模块的完整构建指南Meson 原生支持 Cython：从 .pyx 到 C/C++ 扩展模块的完整构建指南 Meson Build System 自 0.59.0 起将 CythApache Storm 与 JMS 集成实战：基于 storm-jms-examples 构建消息队列读写拓扑Apache Storm 与 JMS 集成实战：基于 storm jms examples 构建消息队列读写拓扑 Apache Storm 的 storm jm上一篇：Angular Components性能监控工具：识别与解决性能问题下一篇：解锁Label Studio全潜力：插件市场探索与安装指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考