XiaoMi-AI文件搜索系统
World File Search System安全约束
自主多智能体系统的防御策略
摘要 — 虚假数据注入 (FDI) 攻击对自主多智能体系统 (MAS) 构成重大威胁。虽然弹性控制策略可以解决 FDI 攻击，但它们通常对攻击信号有严格的假设，并且忽略了安全约束，例如避免碰撞。在实际应用中，配备先进传感器或武器的领导者智能体跨越安全区域来引导异构跟随智能体，确保协调行动，同时解决避免碰撞问题，以防止财务损失和任务失败。本文通过介绍和研究指数无界 FDI (EU-FDI) 攻击下的安全意识和攻击弹性 (SAAR) 控制问题来解决这些差距。具体而言，首先设计一种新型的攻击弹性观察者层 (OL) 来防御对 OL 的 EU-FDI 攻击。然后，通过使用二次规划 (QP) 解决优化问题，将避免碰撞的安全约束进一步集成到 SAAR 控制器设计中，以防止跟随者之间的碰撞。最后设计了一种抗攻击补偿信号，以减轻 EU-FDI 攻击控制输入层 (CIL) 造成的不利影响。基于 Lyapunov 的严格稳定性分析证明了 SAAR 控制器在确保安全性和弹性方面的有效性。本研究还开创了自主 MAS 的 SAAR 遏制控制问题的三维模拟，证明了其在现实多智能体场景中的适用性。索引术语 — 遏制、弹性、无界攻击、安全约束。
安全管理和处置指南...
尽管爆炸物行业作为雇主的规模普遍下降，但爆炸物质和物品在民用和军事领域仍然有广泛的用途。它们的用途范围很广，从显而易见的武器弹头、爆炸炸药和配件、烟花和照明弹，到更不为人知的消防系统和车辆安全约束系统的组件。鉴于爆炸物在未来将继续用于广泛的应用，因此对爆炸物质和物品的处置需求将继续存在。
AEMO 非共同优化基本系统服务触发器...
根据政府的能源转型战略，能源转型工作组对 WEM 进行了一系列重大改革，其中大部分改革将于 2023 年 10 月 1 日开始实施。这些改革包括引入安全约束的经济调度、缩短交易间隔和“关门”，以及建立新的竞争性基本系统服务框架，该框架将在市场调度过程中与能源共同优化。
![arXiv:2501.15972v1 [cs.AI] 2025 年 1 月 27 日](/simg/1\1a9dbfeb5aeccdefb4a1c131837337419b420280.webp)
arXiv:2501.15972v1 [cs.AI] 2025 年 1 月 27 日
强化学习 (RL) 已证明可成功实现模拟 1 型糖尿病 (T1D) 患者的胰岛素自动给药，但目前无法融入患者的专业知识和偏好。这项工作引入了 PAINT（T1D 胰岛素控制偏好适应），这是一个原始的 RL 框架，用于从患者记录中学习灵活的胰岛素给药政策。PAINT 采用基于草图的方法进行奖励学习，其中过去的数据用连续的奖励信号注释以反映患者的期望结果。标记数据训练奖励模型，为新型安全约束离线 RL 算法的行为提供信息，该算法旨在将行为限制在安全策略内并通过滑动比例实现偏好调整。计算机模拟评估表明，PAINT 通过简单标记期望状态实现了常见的血糖目标，与商业基准相比，将血糖风险降低了 15%。动作标签还可用于整合患者的专业知识，展示在患者指导下预先安排进餐（餐后时间范围内增加 10%）和解决某些设备错误（错误后方差为 -1.6%）的能力。这些结果在现实条件下成立，包括样本有限、标签错误和患者内部差异。这项工作说明了 PAINT 在现实世界的 T1D 管理中的潜力，以及更广泛地说，在安全约束下需要快速和精确偏好学习的任何任务中的潜力。
神经符号人工智能 - 为什么、是什么以及如何
摘要 — 人类通过感知（将来自环境的感官输入转换为符号）和认知（将符号映射到有关环境的知识以支持抽象、类比推理和长期规划）与环境进行交互。在人工智能的背景下，人类感知启发的机器感知是指使用使用自我监督学习目标（例如下一个单词预测或对象识别）训练的神经网络从原始数据中进行大规模模式识别。另一方面，机器认知包含更复杂的计算，例如使用环境知识来指导推理、类比和长期规划。人类还可以控制和解释他们的认知功能。这似乎需要保留从感知输出到有关其环境的知识的符号映射。例如，人类可以遵循和解释在医疗保健、刑事司法和自动驾驶等安全关键应用中推动其决策的准则和安全约束。虽然数据驱动的基于神经网络的 AI 算法可以有效地模拟机器感知，但基于符号知识的 AI 更适合模拟机器认知。这是因为符号知识结构支持从感知输出到知识的映射的显式表示，从而实现 AI 系统决策的可追溯性和审计。通过跟踪 AI 系统的输入、输出和中间步骤，此类审计跟踪可用于执行安全的应用方面，例如法规遵从性和可解释性。这是神经符号 AI 部门的第一篇文章，介绍并概述了迅速兴起的神经符号 AI 范式，结合神经网络和知识引导的符号方法来创建更强大、更灵活的 AI 系统。这些系统具有巨大的潜力，可以提升人工智能系统的算法级（例如抽象、类比、推理）和应用级（例如可解释和安全约束的决策）能力。
神经符号人工智能（为什么、是什么以及如何）
摘要 — 人类通过感知（将来自环境的感官输入转换为符号）和认知（将符号映射到有关环境的知识以支持抽象、类比推理和长期规划）与环境进行交互。在人工智能的背景下，人类感知启发的机器感知是指使用使用自监督学习目标（例如下一个单词预测或对象识别）训练的神经网络从原始数据中进行大规模模式识别。另一方面，机器认知包含更复杂的计算，例如使用环境知识来指导推理、类比和长期规划。人类还可以控制和解释他们的认知功能。这似乎需要保留从感知输出到有关环境的知识的符号映射。例如，人类可以遵循和解释在医疗保健、刑事司法和自动驾驶等安全关键应用中推动其决策的准则和安全约束。虽然数据驱动的基于神经网络的人工智能算法可以有效地对机器感知进行建模，但基于符号知识的人工智能更适合对机器认知进行建模。这是因为符号知识结构支持从感知输出到知识的映射的显式表示，从而实现对人工智能系统决策的可追溯性和审计。通过跟踪人工智能系统的输入、输出和中间步骤，此类审计线索可用于执行安全的应用方面，例如法规遵从性和可解释性。神经符号人工智能部门的这篇第一篇文章介绍并概述了迅速兴起的神经符号人工智能范式，该范式结合了神经网络和知识引导的符号方法，以创建更强大、更灵活的人工智能系统。这些系统具有巨大的潜力，可以提高人工智能系统的算法级（例如抽象、类比、推理）和应用级（例如可解释和安全约束决策）能力。
2024 年印第安纳州驾驶手册（英文版）
第七章 |安全车辆操作车道标记 ................................................................................................................................................37 变换车道和超车 ................................................................................................................................37 安全合法转弯规则 ................................................................................................................................38 速度限制 ................................................................................................................................................40 制动和跟车距离 ................................................................................................................................41 燃油经济性 .............................................................................................................................................42 轮胎压力和胎面深度 ................................................................................................................................43 在不确定的天气条件下驾驶 ................................................................................................................43 夜间驾驶 ................................................................................................................................................44 酒驾和危险驾驶 ................................................................................................................................45 分心驾驶 ................................................................................................................................................45 攻击性驾驶 ................................................................................................................................................45 在乡村道路上驾驶 ................................................................................................................................46 在州际公路上驾驶 ................................................................................................................................46 工作区 ................................................................................................................................................47 铁路交叉口................................................................................................................................48 铁路交叉口安全....................................................................................................................49 与牵引拖车共用道路...............................................................................................................49 与其他车辆共用道路.................................................................................................................51 停车和倒车.................................................................................................................................54 行人安全.......................................................................................................................................55 安全带和儿童安全约束装置 ................................................................................................................ 55 卡车设备要求 ................................................................................................................................ 57
ECCOMAS专题会议
不同组织之间的协作，以便涵盖供应链中所有必需的技能，分担风险和成本，并及时有效地开发创新产品。为了实现当代和未来航空的挑战性目标，并保持全球工业领导地位 [1]，需要高水平的飞机及其子系统的集成系统设计。这需要通过供应链上的建模和仿真不断提高协同工程水平，以提高成本和时间效率，并降低后期阶段的集成风险。来自不同学科和组织的工程师团队应该跨越组织和地理界限进行合作。飞机项目的规模和复杂性、市场需求和市场竞争要求协作有效而高效，同时遵守安全约束并保护供应链成员的知识产权。
与高功率混合动力电动相关的挑战......
工业电气化水平不断提高，航空航天也不例外，有多个研究项目，范围从电动飞机到全电动垂直起降飞机和大型电动推进系统。然而，由于航空航天环境的严酷性、严格和必要的安全约束和法规以及对高功率密度的需求等，航空航天高功率应用的挑战比汽车等其他行业更为复杂。一些众所周知的挑战与电磁危害、在加压和非加压区域使用轻型高压元件或开发安全和优化的储能概念有关。空中客车电动飞机系统 (EAS) 目前正在对高功率混合电动航空推进系统进行研究，使这些挑战能够得到更清晰的识别和理解，从而为缩小这些差距所需的解决方案和未来研究提供了第一个方向。
不平衡不确定条件下电池存储系统优化规划的随机线性规划
摘要 — — 电池储能系统 (BESS) 已被研究用于处理电力系统 (如负载和可再生能源) 的不确定参数。然而，在电网不平衡运行下，BESS 尚未得到适当的研究。本文旨在研究电网不平衡不确定条件下 BESS 的建模和运行。所提出的模型管理 BESS 以优化能源成本，处理负载不确定性，同时解决不平衡负载。对三相不平衡不确定负载进行建模，并利用 BESS 在每相上产生单独的充电/放电模式以消除不平衡情况。以 IEEE 69 节点电网为例进行研究。负载不确定性由高斯概率函数开发，并采用随机规划来处理不确定性。该模型被制定为混合整数线性规划，并通过 GAMS/CPLEX 进行求解。结果表明，该模型能够同时处理不平衡不确定条件，最小化运行成本，并满足电网各项安全约束。