XiaoMi-AI文件搜索系统
World File Search System保证车辆
中央车辆控制器使软件定义车辆成为可能
考虑车舱摄像头和车舱内用户体验应用程序之间的交互，例如检测遗留物体的应用程序。在区域架构中，摄像头可能会将低压差分信号帧发送到区域控制器，区域控制器又将来自摄像头和其他设备的数据聚合到汽车以太网链路上，再发送到 CVC。然后，CVC 将提取相关数据，并通过其服务将数据传递给专用于车舱内用户体验的 OSP，可能通过 PCIe 传输，以确保尽可能高的传输速度。CVC 可以同时使用收集的数据进行分析、处理并通过以太网或 PCIe 连接将其发送到 RTU，RTU 又会通过 5G 蜂窝服务将该分析数据传输到云端。这将使“遗留物体”应用程序能够有效利用车载计算，同时有选择地应用基于云的对象识别或连接，以在需要时通知用户。
deepSense-v2v：车辆到车辆多模式感应，定位和通信数据集
摘要 - 高数据速率和低延迟车辆到车辆（V2V）通信对于未来的智能运输系统至关重要，以实现协调，增强安全性和支持分布式计算和情报要求。但是，制定有效的沟通策略需要现实的测试场景和数据集。这在高频带中很重要，在高频带中，有更多的频谱可用但收获该带宽受到方向传输的需求和信号传播对阻塞的敏感性的挑战。这项工作介绍了第一个用于研究MMWave车辆到车辆通信的大规模多模式数据集。它提出了一个两辆车测试台，该床包括来自360º相机，四个雷达，四个60 GHz阶段阵列，一个3D激光雷达和两个精确的GPS的数据。数据集包含白天和黑夜驾驶的车辆，在城堡和农村环境中，速度为120公里，速度高达每小时100公里。从卡车到自行车的所有图像中都检测到超过一百万个物体。这项工作进一步包括详细的数据集统计信息，这些数据集统计数据证明了各种情况的覆盖范围，并突出了该数据集如何启用新颖的机器学习应用程序。
车辆光电 - Hensoldt
陀螺仪稳定系统如果没有稳定的潜望镜，主战坦克和装甲车辆在行驶过程中将很难发现目标。我们的高级版本使乘员组能够快速判断车辆周围环境并在移动中检测和攻击目标。它们采用基于陀螺仪的稳定机制，可以补偿运动和振动，从而在铺砌道路上甚至崎岖地形上以各种速度保持图像稳定。集成的热像仪可在白天、夜晚和恶劣天气条件下提供清晰的观察能力。机载激光器和连接的指挥和控制信息系统。
车辆光电 - Hensoldt
基于陀螺仪的稳定系统 如果没有稳定的潜望镜，主战坦克和装甲车辆在行驶过程中将面临巨大的危险。我们的高级版本使乘员能够快速判断车辆周围环境，并在移动中检测和攻击目标。它们具有基于陀螺仪的稳定机制，可补偿运动和振动，以在铺砌道路上甚至在崎岖地形上以任何速度保持图像稳定。集成的热像仪可在白天和夜晚以及恶劣天气条件下提供清晰的观察能力。机载激光器 �� ...
和美国重型车辆
这项工作是在气候工人基金会，能源基金会，海辛·西蒙斯基金会和惠普基金会的慷慨支持下进行的。作者要感谢Bill Van Amberg和Michael Joseph（Calstart），David Schaller，David Schaller（北美货运效率委员会），Diego Quevedo（戴姆勒卡车北美），杰米·邓克利（Jamie F. Dunckley）（电力研究所） Michelle Meyer，Hongyang Cui，Hussein Basma和Marie Rajon Bernard（国际清洁运输委员会）在准备本报告时，以指导和建设性评论。他们的评论并不意味着对本报告内容的任何认可。
自我意识车辆 - CORE
传感技术（小型化、分布式传感器网络）的进步与计算能力的提高相结合，显著提高了感知能力、实时决策/推理能力和不确定性下的动态规划能力以及大数据预测分析能力，为实现自主系统能力奠定了基础。这些进步为自我感知车辆开辟了设计和操作空间，这些车辆能够评估自己的能力并调整其行为以完成分配的任务或修改任务以反映其当前能力。本文讨论了自我感知车辆的概念以及充分利用该概念所需的相关技术。自我感知飞机、航天器或系统是指能够了解其内部状态、对周围环境具有态势感知、能够评估其当前能力并将其投射到未来、了解其任务目标并能够在不确定的情况下就其实现任务目标的能力做出决策的飞机、航天器或系统。
车辆和移动技术
NREL 处于前沿研究的前沿，使用 X 射线诊断和先进的机器学习技术来检查能源材料（包括电池）的成分和结构 实验室新扩展的纳米级成像功能有助于解锁有关储能系统性能的关键信息，最近的出版物强调了纳米和微米级 X 射线断层扫描与人工智能相结合的优势，为下一代电池材料的未来合成和制造技术提供信息 第一篇发表在《自然纳米技术》上的文章描述了纳米级计算机断层扫描（纳米 CT）如何用作一种无损成像技术，以以前无法想象的尺度进行横截面和 3D 成像 这种强大的成像方法已经成为一种在运行过程中分析电池材料的方法，它提供了人工智能和机器学习可以利用的见解，可以在分钟尺度上对电池进行预测 作者讨论了这些进步将如何结合起来塑造未来几年电池研究的未来 第二篇文章发表在《npj 计算材料》上，详细介绍了用于研究电池微观结构的机器学习框架超分辨率生成对抗网络（SRGAN）来解析破裂的电池阴极的扫描电子显微镜图像，作者克服了分辨率和视野之间固有的权衡，从而实现了极其详细的特征的代表性量化
