XiaoMi-AI文件搜索系统
World File Search System实际轨迹
2021 财年年度报告
MDA 需要准确及时的来袭导弹轨迹模型，以模拟非弹道和高超音速导弹的实际性能。基于物理的轨迹模型需要数月时间才能开发并生成有限数量的轨迹。2021 年，在 C3.ai 与国防创新部门 (DIU) 成功完成原型以模拟非弹道和高超音速导弹的实际轨迹后，MDA 授予 C3.ai 一份生产合同。MDA 将利用 C3 的 AI 工具来扩展非弹道和高超音速导弹的模拟能力，该工具为数据集成、操作和安全提供了一个多方面的开发工作室。
用于车辆跟踪的分布式磁传感器系统 - HEU
摘要 — 提出了一种基于分布式磁传感器磁异常检测的新型车辆定位与跟踪方法。首先，利用总磁场，本文提出了一种不受旋转振动影响的总场匹配 (TFM) 方法来执行目标定位。我们不直接反转非线性磁偶极子方程，而是使用 TFM 方法来找到次优目标位置，然后应用线性卡尔曼滤波器跟踪目标。因为目标动力学与定位方程之间是线性关系。通过模拟进行案例研究，得出估计轨迹 (d, ϕ) = (70.8 m, 44.9°)，该轨迹与实际轨迹 (d, ϕ) = (70.5 m, 45°) 非常吻合。对于车辆跟踪，户外实验结果显示基于四种不同的传感器网络配置的估计精度较高。
大脑-身体任务共同适应可以提高自主学习和双足行走的速度
摘要 受到动物大脑和身体共同适应环境的启发，我们提出了一种肌腱驱动和过度驱动（即 n 个关节、n + 1 个执行器）的双足机器人，它 (i) 利用其可反向驱动的机械特性来管理身体与环境的相互作用，而无需明确控制，以及 (ii) 使用简单的 3 层神经网络在仅 2 分钟的“自然”运动喋喋不休（即与腿部和任务动态兼容的探索策略；类似于儿童游戏）后即可学会走路。这种大脑与身体的协作首先学会在“空中”产生脚的周期性运动，并且无需进一步调整，就可以在双足动物放低到与地面轻微接触时产生运动。相比之下，用 2 分钟的“幼稚”运动喋喋不休（即忽略腿部任务动态的探索策略）进行训练，不会在“空中”产生一致的周期性运动，并且在与地面轻微接触时会产生不稳定的运动并且没有运动。当进一步降低双足动物并使期望的腿部轨迹达到地面以下 1 厘米时（导致期望轨迹与实际轨迹之间的误差不可避免），基于自然或幼稚的咿呀学语的周期性运动呈现出几乎同样持续的趋势，并且随着幼稚的咿呀学语而出现运动。因此，我们展示了如何通过植根于植物可反向驱动特性的持续物理适应来驱动在不可预见的情况下不断学习行走，并通过利用植物动力学的探索策略来增强这种适应。我们的研究还表明，受生物启发的肢体和控制策略的共同设计和共同适应可以在没有明确控制轨迹误差的情况下产生运动。