XiaoMi-AI文件搜索系统
World File Search System主系统
人工智能和自主系统应用设计中的伦理
我们被媒体大肆宣传，谈论智能复杂系统、大数据分析 [附录中的第 1 项] 和机器学习、机器人和人工智能 [附录中的第 2 项]、超级自动化以及人机之争 [附录中的第 3 项] 的希望和危害。然而，严肃的研究，尤其是来自工程和信息通信技术 (ICT) 背景的研究，以及伦理学家和最终用户的研究，却严重缺乏。炒作可能预示着我们所知道的世界末日 [附录中的第 4 项]，“因为自主系统会决定不加区别地派遣无人机”，而其他人则预示着一种增强的人类生存的愿景，其中可持续性存在于生活的各个方面，所有个人的“繁重工作”都将被消除，世界和平将通过集体意识专注于所有正确的事情 [附录中的第 5 项]。中间派观点承认一种既不是乌托邦也不是反乌托邦的中间道路，其中所有事情都是可能的，但不一定会发生，人类可能在某些时候做对，但并非总是如此 [附录中的第 6 项]。AI/AS 领域的谨慎乐观主义者对机器（硬件或软件）的未来充满信心，但即使不期待，他们也要做好准备，因为在此过程中会遇到困难、失败，甚至侵犯人权 [附录中的第 7 项]。尽管围绕机器伦理的话题有很多讨论和猜测，从“机器没有认知能力，怎么会有伦理？”一直到“人工智能拥有灵魂意味着什么”，[附录中的第 8 项] 我们脑海中最重要的应该是“人工智能”这个词，它位于“智能”之前。我们不是带着拟人化的希望深入研究机器，好像它以某种方式获得了“生命之气”，而是将它理解为一个由人类精心设计和实现的实体，使用
机器人技术和自主系统（人工智能），MS
学生在各种主题中获得了可靠的理论和实用背景，这些主题有助于研究智能代理，也就是说，任何能够感知其环境并采取行动最大化其成功实现目标的机会的机器人系统。因此，这种集中的学生暴露于AI中一般主题的前沿，包括统计机器学习，计算机视觉，自然语言处理，知识检索和推理以及正式的计划方法。与其他浓度相比，AI浓度更多地集中在机器人技术的算法方面。
用于下一代AI驱动的自主系统的边缘AI计算解决方案
可扩展，安全和适应AI，虚拟化和实时数据处理轴向AX300是一个高度可配置的边缘计算平台，旨在处理IT/OT环境中的复杂工作负载。其灵活的体系结构支持AI，机器学习，数据分析和虚拟化，使其非常适合工业自动化，智能城市和关键基础架构。具有高级安全功能，包括TPM和加密，可确保数据完整性和保护。轴向AX300提供远程管理功能，可从任何地方进行无缝部署，监视和更新。其可扩展设计支持大型语言模型推断和边缘的实时数据处理。为在恶劣环境中的可靠性中构建，轴向AX300提供了低延迟，有效的计算，桥接云和边缘智能为下一代AI驱动的决策和自主系统提供动力。
超越信心：自主系统感知的双阈值共形预测中的自适应弃权
摘要 - 安全至关重要的感知系统都需要可靠的不确定性量化和原则上的弃权机械，以在不同的操作条件下保持安全性。我们提出了一个新颖的双阈值共形框架，该框架可提供统计保证的不确定性估计，同时在高风险场景中实现选择性预测。我们的ap-proch唯一结合了共形阈值，以确保有效的预测集和通过ROC分析优化的弃用阈值，从而提供无分布的覆盖范围保证（≥1-α），同时识别不可靠的预测。通过对CIFAR-100，ImagEnet1k和ModelNet40数据集进行全面评估，我们在不同的环境扰动下展示了跨摄像头和激光痛的较高鲁棒性。该框架在严重的条件下达到了出色的检测性能（AUC：0.993→0.995），同时保持高覆盖率（> 90.0％），并实现适应性弃权（13.5％→63.4％±0.5），作为环境严重程度。对于基于激光雷达的感知，我们的方法表现出特别强大的表现，保持了强大的共识（> 84.5％），同时适当弃权不可靠的预测。值得注意的是，该框架在重扰动下显示出显着的稳定性，检测性能（AUC：0.995±0.001）在所有模式中的现有方法都显着超过现有方法。我们的统一方法弥合了理论保证和实际部署需求之间的差距，为在挑战性的现实世界中运行的安全至关重要的自主系统提供了强有力的解决方案。代码可在https://github.com/divake/conformal预测基于传感器的信任可达检测
越来越多自主系统的人类系统集成
观察阶段，并将允许人为因素专家和人类操作员对观察的评论。录音可用于进行自我对照。观察和访谈使得可以详细描述所执行的任务，所涉及的参与者，工具以及时间和地理方面以及可能的干扰。
控制，学习的交集中的自主系统...
ufuk topcu教授德克萨斯大学在奥斯汀上举行，2025年2月28日，星期五，上午10:30麦克唐纳·道格拉斯工程礼堂（MDEA）摘要：自主系统正在作为无数应用程序的驾驶技术出现。许多学科应对使这些系统值得信赖，适应性，用户友好和经济的挑战。另一方面，现有的纪律界限延迟，甚至可能阻碍进步。我认为，设计和验证自主系统在控制，学习和正式方法的交集（除其他学科）时，出现的非惯例问题需要混合解决方案。我将在顺序决策过程中学习中的这种混合解决方案的示例。这些结果提供了有效地将基于物理，上下文或结构性的先验知识整合到数据驱动的学习算法中的新颖手段。他们通过对环境和系统以前没有经历的环境和任务的多个数量级和通用性提高了数据效率。我将在一些有希望的未来研究方向上发表评论。BIO：UFUK TOPCU是德克萨斯大学奥斯汀大学航空航天工程与工程机制的教授，他在那里拥有W.A.“ Tex” Moncrief，Jr。 计算工程和科学VI主席。 他是德克萨斯机器人技术和奥登计算工程与科学研究所的核心教师，也是自治中心主任。“ Tex” Moncrief，Jr。计算工程和科学VI主席。他是德克萨斯机器人技术和奥登计算工程与科学研究所的核心教师，也是自治中心主任。他的研究重点是自主系统设计和验证的理论和算法方面。
基于贝叶斯深度学习组成部分的可靠自主系统
摘要 - 作为自治系统，越来越多地依赖深度神经网络（DNN）来实施导航管道功能，不确定性估计方法至关重要，这是估计对DNN预测的信心的重要性。贝叶斯深度学习（BDL）提供了一种原则性的方法来模拟DNN中的不确定性。但是，在基于DNN的系统中，并非所有组件都使用不确定性估计方法，并且通常会忽略它们之间的不确定性传播。本文提供了一种考虑BDL组件之间的不确定性和相互作用以捕获整体系统不确定性的方法。我们研究了基于BDL的系统对自动航空导航的不确定性传播的影响。实验表明，我们的方法使我们能够捕获有用的不确定性估计，同时在最终任务中稍微改善了系统的性能。此外，我们讨论采用BDL来构建可靠的自主系统的好处，挑战和含义。索引术语 - Bayesian深度学习，不确定性宣传，无人驾驶，导航，动态依赖能力
本报告概述了题为“机器人和自主系统早期开发中的自主性和安全保障”的研讨会 1
本报告概述了 2024 年 9 月 2 日在英国曼彻斯特大学举行的第 1 届研讨会“机器人和自主系统早期开发中的自主性和安全保障”，该研讨会由苛刻和持久环境下的机器人自主性中心 (CRADLE) 主办。此次活动汇集了来自不同行业的六个监管和保证机构的代表，讨论确保自主和机器人系统，特别是自主检查机器人 (AIR) 安全的挑战和证据。研讨会邀请了六位监管和保证机构发表演讲。CRADLE 旨在使保证成为设计可靠、透明和值得信赖的自主系统不可或缺的一部分。主要讨论围绕三个研究问题展开：
本报告概述了“机器人技术和自主系统早期开发中的自主权和安全保证”的讲习班1
本报告概述了题为“机器人和自主系统早期开发中的自主权和安全保证”的研讨会1，该研讨会由2024年9月2日在英国曼彻斯特曼彻斯特大学举行，由机器人自治中心（苛刻和持久的环境中心（Cradle））主持。该事件将各个部门的六个监管和保证机构的代表汇集在一起，讨论了确保自主和机器人系统安全的挑战和证据，尤其是自主检查机器人（AIR）。研讨会由监管机构和保证机构进行了六次邀请演讲。摇篮旨在使保证是工程可靠，跨父母和值得信赖的自主系统不可或缺的一部分。关键讨论围绕三个研究问题：
本报告概述了“机器人技术和自主系统早期开发中的自主权和安全保证”的讲习班1
本报告概述了题为“机器人和自主系统早期开发中的自主权和安全保证”的研讨会1，该研讨会由2024年9月2日在英国曼彻斯特曼彻斯特大学举行，由机器人自治中心（苛刻和持久的环境中心（Cradle））主持。该事件将各个部门的六个监管和保证机构的代表汇集在一起，讨论了确保自主和机器人系统安全的挑战和证据，尤其是自主检查机器人（AIR）。研讨会由监管机构和保证机构进行了六次邀请演讲。摇篮旨在使保证是工程可靠，跨父母和值得信赖的自主系统不可或缺的一部分。关键讨论围绕三个研究问题：