XiaoMi-AI文件搜索系统
World File Search System导航的
ASFM：腿部机器人社会导航的增强社会力量模型
摘要 - 机器人技术中的社会导航主要涉及通过人口掩护的区域指导移动机器人，并且行人舒适度与有效的途径进行平衡。al-尽管在该领域已经看到了进步，但解决机器人无缝集成到行人环境中的解决方案仍然难以捉摸。在本文中，开发了一种用于腿部机器人的社会力量模型，利用视觉感知来进行人类本地化。特别是引入了增强的社会力量模型，并结合了基于行人行动的排斥力量和回避行为的精致解释，以及目标以下机制。通过各种情况，包括与即将到来的行人，人群和阻塞路径的相互作用，对四足机器人进行实验评估，这表明，所提出的增强模型在先前的基线方法上以选择的路径长度，平均速度以及有效和有效的社交导航的时间来显着改善基线方法。代码是开源的，而视频演示可以在项目的网页上找到：https：//rpl-cs-ucl.github.io/asfm/
一项有关具有社会意识的机器人导航的调查
摘要：肥胖是一种慢性，普遍且复杂的健康状况，会严重损害物理和心理健康。世界卫生组织呼吁将肥胖症护理纳入主要医疗服务中现有的慢性疾病管理计划。此范围审查旨在检查注册护士在肥胖者的主要医疗保健管理中的作用。使用Johanna Briggs Institute方法框架进行了范围审查。主题分析用于识别和分类护士在成人初级卫生保健肥胖管理中的作用。本文中包含的1142个文件，15篇论文符合纳入标准。主题分析产生了代表护士主要角色的六个主题：以患者为中心的护理，患者评估，治疗干预措施，护理管理，患者教育和专业发展。本评论确定，有关护士角色的文献主要描述了他们对生活方式干预措施（主要是营养和体育锻炼），人体测量测量，健康计划，目标设定，支持性护理，监测进度和安排随访的关注。讨论强调了确定RN知识差距和偏见的重要性。需要进行更多的研究，以确定与肥胖症相关的额外的RN教育需要作为一种复杂的慢性疾病。
通过增强的PPO进行安全移动机器人导航的深度加固学习
摘要 - 无汇总运动对于移动机器人必不可少。大多数与车轮机器人无冲突和高效导航的方法都需要专家进行参数调整，以获得良好的导航行为。本研究调查了深入强化学习在复杂环境中训练移动机器人进行自动导航的应用。机器人利用激光雷达传感器数据和深度神经网络来生成控制信号，同时避免了障碍物。我们在凉亭仿真环境中采用两种强化学习算法：深层确定性政策梯度和近端政策优化。该研究在近端策略优化算法中引入了增强的神经网络结构，以提高性能，并具有精心设计的奖励功能，以提高算法效率。在障碍物和自由环境中进行的实验结果强调了拟议方法的有效性。这项研究通过应用深度强化学习，很大程度上有助于在复杂环境中提高自主机器人技术。索引术语 - 深处增强学习，自主航行，控制，避免障碍
户外环境中自动导航的实时衡量标准映射
摘要 - 编码人类优先知识的度量语义图的创建代表了环境的高级突出。然而，构建此类地图构成了与多模式传感器数据融合，实时映射性能的融合以及结构和语义信息一致性的保留相关的挑战。在本文中，我们引入了一个在线度量 - 语义映射系统，该系统利用LIDAR-Visual-Visual-Visual惯性传感生成了大型室外环境的全局度量标准网格地图。利用GPU加速度，我们的映射过程达到了出色的速度，无论场景尺度如何此外，我们将所得地图无缝地集成到现实世界中的导航系统中，从而实现了基于公制的语义地形评估和在校园环境中的自主点 - 要点导航。通过对包含24个序列的公共可用数据集进行的广泛实验，我们证明了映射和导航方法的有效性。
GPS中导航的多源数据集成-IJEER
░摘要 - 自动驾驶正在迅速发展，无人驾驶汽车的未来接近成果。当前自动驾驶的最大障碍是导航系统的可靠性和可靠性。导航系统主要基于GPS信号，尽管它高度可用，但在某些情况下，GPS不存在或不可用，例如在隧道，室内环境和具有高信号干扰的城市地区。本文提出了一种自适应决策算法，该算法利用多源数据源集成在GPS贬低的环境中进行导航。该算法可以在不同的数据源（例如LTE或5G）之间进行无缝切换，以便自主驾驶系统即使无法使用GPS信号，也可以保持准确的导航。总体而言，这种方法代表了开发导航系统的合理方法，该方法可以可靠地支持在现实情况下自主驾驶应用程序。关键字：GPS，蜂窝，导航，自动驾驶，5G，LTE。
户外环境中自动导航的实时衡量标准映射
摘要 - 纳入人为优先知识的度量语义图的创建代表了环境的高级突出。然而，构建此类地图构成了与多模式传感器数据融合，实时映射性能的融合以及结构和语义信息一致性的保留相关的挑战。在本文中，我们引入了一个在线度量 - 语义映射系统，该系统利用LIDAR-Visual-Visual-Visual惯性传感生成了大型室外环境的全局度量标准网格地图。利用GPU加速度，我们的映射过程达到了出色的速度，无论场景尺度如何此外，我们将所得地图无缝地集成到现实世界中的导航系统中，从而实现了基于公制的语义地形评估和在校园环境中的自主点 - 要点导航。通过对包含24个序列的公共可用数据集进行的广泛实验，我们证明了映射和导航方法的有效性。对从业者的注释 - 本文在复杂的，非结构化的环境中应对具有丰富语义元素的复杂，非结构化环境中的移动机器人的竞争挑战。传统导航依赖于几何分析和手动注释，努力区分相似的结构，例如道路和人行道。我们的地图集成到现实世界中的导航系统中，通过与公共和专有数据集进行实验，可在本地化和地形评估中有效。索引条款 - 自主驾驶，映射，导航我们提出了一个在线映射系统，该系统为大型室外环境创建全局标准网格地图，利用GPU加速速度，并克服了现有的实时语义映射方法的限制，这些方法通常可以配置为室内设置。未来的工作将集中于整合基于内核的方法，以提高地图的语义准确性。
使用大语言模型进行体现导航的进步：调查
近年来，大型语言模型（LLM）的快速发展，例如生成的预训练的跨前者（GPT），由于它们在各种实际应用中的潜力而引起了人们的关注。LLM与体现智能的应用已成为重点的重要领域。在LLM的无数应用中，导航任务特别值得注意，因为它们要求对环境和快速，准确的决策有深刻的了解。llms可以增强具有复杂的环境感知和决策支持的体现的智能系统，利用其强大的语言和图像处理能力。本文提供了详尽的摘要，内容涉及LLMS与体现智能之间的共生，重点是导航。它回顾了最先进的模型，研究方法，并评估了现有体现导航模型和数据集的优势和缺点。最后，本文阐明了基于当前研究的LLM在具体智能中的作用，并预测了该领域的未来方向。本调查中的全面研究列表可在https://github.com/rongtao-xu/awsome-llm-en上找到。
移动机器人自主导航的研究...
I.引言自主机器人在提高现代工业环境中的效率和生产率方面起着至关重要的作用。通过利用尖端的技术和人工智能，这些机器人可以精确和一致性执行任务，从而减少错误并最大程度地减少停机时间。他们自主驾驶复杂环境的能力使它们在优化工作流程和确保无缝操作方面的宝贵资产。随着数字化和行业4.0的兴起，自主机器人的整合将彻底改变我们对制造和物流的方式，为更敏捷和竞争性的工业景观铺平道路[1，3]。移动机器人技术是机器人技术和信息工程研究领域[4]。移动机器人可以由人类控制，也可以完全自动化自动导航其环境[5]。它们被广泛用于行业，商业，军事和安全等各个部门[6]。构建工作环境的地图并理解它对移动机器人确定其位置并确定障碍至关重要。映射是移动机器人对其环境建模的过程。使用创建的地图，他们可以自动导航，从而在搜索和救援和智能运输等领域启用应用程序。移动机器人同时执行映射和定位任务的性能称为SLAM（同时定位和映射）[7]。地图表示平均直方图值，每个节点指示机器人路径及其关联的传感器数据上的特定位置。Karto SLAM算法使用幽灵优化网络，增强Cholesky分解过程，并消除对解决稀疏系统的迭代方法的需求。添加新节点后，在考虑节点的空间约束时，地图重新计算和更新。Karto Slam在现实世界中表现出最小的不准确性（1.03厘米），使其成为移动机器人的首选选择[8，10]。它的效率在于其对不断变化的环境的无缝适应，将其确立为需要精确映射和本地化的任务的可靠解决方案。该算法在处理传感器噪声和不确定性方面的鲁棒性进一步巩固了其作为同时定位和映射的顶级选择的位置[11，14]。
半自动导航的规定时间控制障碍函数
本文提出了对控制屏障功能（CBF）的新颖使用，以在半自动导航方案中执行规定的时间安全，其中航空车辆通过一系列航路点导航。特别是，我们使用规定的时间控制障碍功能（PT-CBF）来确保车辆接近航路点附近并通过航路点本身之间的最小遍历时间。激励申请是需要在板载人员进行视觉确认路点可用性的应用程序。PT-CBF可以确保达到规定的最小航向遍历时间，并且如通过仿真所示，它们还允许更快地完成任务，该任务完成了，该任务比在指定持续时间内激活传统CBF的简单策略。
diter ++：多户户外环境中多机射击导航的各种地形和多模式数据集
摘要 - 多个现场机器人的协作对于大规模环境的导航和映射是必需的。在穿越时，考虑到每个机器人性质的遍历性估算对于确保机器人的安全并确保其性能至关重要。即使在结构化的环境中，不考虑地形信息的行驶也可能导致平台严重损坏，例如由于陡峭的斜坡或由于突然的高度变化而导致的下降。为了应对这一挑战，我们提出了Diter ++，多机器人，多主题和多模式数据集，包括地面信息。使用向前的RGB摄像头和面向接地的RGB-D相机，热相机，两种类型的激光镜头，IMU，GPS和机器人运动传感器获得数据集。数据集和补充材料可在https：//sites.google.com/view/diter-plusplus/上找到。