XiaoMi-AI文件搜索系统
World File Search System导航的
增强自主无人机导航的隐私和安全性
摘要 - 自主无人驾驶汽车（UAV）已成为国防，执法，灾难响应和产品交付的重要工具。这些自主导航系统需要一个无线通信网络，并且最近是基于深度学习的。在诸如边境保护或灾难响应之类的关键场景中，确保自主无人机的安全导航至关重要。但是，这些自主无人机容易受到通过通信网络或深度学习模型的对抗性攻击 - 窃听 /中间 /成员 /成员推理 /重建。为了解决这种敏感性，我们提出了一种创新的方法，该方法结合了增强学习（RL）和完全同型加密（FHE），以实现安全的自主无人机导航。此端到端的安全框架是为无人机摄像机捕获的实时视频供稿而设计的，并利用FHE对加密的输入图像执行推断。虽然FHE允许对加密数据进行计算，但某些计算运算符尚未实现。卷积神经网络，完全连接的神经网络，激活功能和OpenAI Gym库被精心适应FHE域，以实现加密的数据处理。我们通过广泛的实验证明了我们提出的方法的功效。我们提出的方法可确保自主无人机导航中的安全性和隐私性，并且绩效损失微不足道。索引术语 - 自主无人驾驶汽车，完全同构加密，隐私，增强学习
delan：通过跨模式对比学习的视觉和语言导航的双级别对齐
抽象的视觉和语言导航（VLN）要求代理通过遵循自然语言指导在看不见的环境中导航。为了完成任务完成，代理需要对齐和整合各种导航方式，包括指令，观察和导航历史记录。现有作品主要集中在融合阶段的跨模式关注上，以实现这一目标。然而，不同的单键编码器产生的模态特征位于自己的空间中，从而导致跨模式融合和决策的质量下降。为了解决这个问题，我们通过跨模式对比度学习提出了一个指定框架（Delan）框架。该框架旨在在融合之前对齐各种与导航相关的方式，从而增强跨模式的交互和动作决策。具体来说，我们将融合前的对准分为双重级别：根据其语义相关性，指令历史级别和地标性观察水平。我们还重建了双级指令，以适应双级对准。作为融合前对齐的训练信号非常有限，使用自我监督的对比学习策略来实施不同方式之间的匹配。我们的方法与大多数现有模型无缝集成，从而改善了各种VLN基准测试的导航性能，包括R2R，R4R，RXR和CVDN。
讨论用于导航机器人导航的不同控制器
摘要 - 可以独立理解和独立浏览周围环境的机器人被认为是智能的移动机器人（MR）。使用一组复杂的控制器，人工智能（AI），深度学习（DL），机器学习（ML），传感器和导航的计算，MR可以理解和导航在其环境周围，甚至连连接到有线能力来源。移动性和情报是旨在用于其计划运营的自动机器人的基本驱动力。他们在各个领域都变得越来越流行，包括商业，工业，医疗保健，教育，政府，农业，军事行动甚至国内环境，以优化日常活动。我们描述了不同的控制器，包括比例积分衍生物（PID）控制器，模型预测控制器（MPC），模糊逻辑控制器（FLCS）和用于机器人科学中使用的增强学习控制器。本文的主要目的是展示移动机器人（MR）进行导航的控制器的全面思想和基本工作原理。这项工作彻底研究了几本可用的书籍和文献，以更好地了解MR采取的导航策略。还讨论了未来的研究趋势和优化MR导航系统的可能挑战。
«俄罗斯自治导航的实践经验»
为了调查这些渡轮和其他船舶为自治的主题，分类学会“俄罗斯海上运输登记册”制定并发布了《海上自主和遥控地面船（Mass）分类的法规》。该法规包含海上自主地表船，遥控中心（RCC）和各种技术手段的要求，以确保自主船的控制。渡轮被分配了一个自治类，具有一类遥控器的自治类，具有在海上和手动控制时更改为手动控制的能力，并在穿过狭窄的水通道或进入港口时可以选择决策。
无人机导航的VO -SAF -SAFE强化学习-Orca
摘要 - 这项工作的重点是强化学习（RL）的无人机导航，其本地化基于视觉探测器（VO）。这样的无人机应避免飞向视觉特征差的区域，因为这可能导致定位变化或完全丢失跟踪。为了实现这一目标，我们提出了一个层次控制方案，该方案使用经过RL训练的策略作为高级控制器，以生成下一个控制步骤的航路点和一个低级控制器，以指导无人机到达后续航点。对于高级政策培训，与其他基于RL的导航方法不同，我们通过引入与姿势估计相关的惩罚将对VO绩效的认识纳入我们的政策。为了帮助机器人区分感知友好的区域和不可动摇的区域，我们提供语义场景，作为决策而不是原始图像的输入。此方法还有助于最大程度地减少SIM到真实的应用程序差距。
机器人专家如何衡量社会机器人导航的成功？
我们采访了来自行业和学术界的8个人，以了解他们如何重视社会机器人导航的各个方面。要求受访者对评估社会导航政策通常使用的10种措施的重要性进行排名。受访者被询问有关社会导航的开放式问题，以及他们如何看待评估面临的挑战。我们对行业和社会导航学术专家的采访表明，避免碰撞是唯一的普遍重要措施。除了避免碰撞的安全考虑之外，机器人在社会导航方面还有不同的优先事项。鉴于优先受访者对安全性进行安全性，我们建议社会导航方法首先要确保安全。确保安全性，我们建议使用与预期的应用程序域最相关的措施评估每个社会导航算法。
机器人自动导航的最新进展
摘要：机器人自主导航的最新进展在强大而有效的导航系统的发展方面取得了重大进展。传感器融合技术，机器学习算法和计算机视觉技术的突破已推动了这些进步。这使机器人能够以更高的精度和适应性为导航复杂和动态的环境。关键的进度领域包括同时本地化和映射（SLAM）算法，导航的深入强化学习以及多传感器数据的集成，以改善本地化和避免障碍。这些发展有可能通过使机器人能够在现实世界中更自主，有效地运行，从而彻底改变包括制造，物流和服务机器人技术在内的各种行业。此外，机器人的自主导航算法的最新发展已大大提高了它们在多样化和充满挑战的环境中自主运营的能力，使我们更接近了一个未来的机器人可以无缝地导航和与周围的世界互动。接下来，我们将讨论机器人在各个行业中的不同应用。我们还将解决尚未解决的挑战和未来的前景。得出结论，我们将总结主要发现，并强调自主导航对机器人技术的未来的重要性。
3D导航的终阶段心力衰竭的手术治疗
根据世界卫生组织（WHO）的说法，心血管疾病是全球死亡的主要原因。在心血管疾病中，终末期心力衰竭是最严重的综合症之一，随着发病率和死亡率不断提高[1]。对于末期心力衰竭的患者对医疗治疗无反应的患者，金标准治疗选择是移植。但是，候选供体移植的访问受到限制[2] [3]。左心室辅助装置（LVAD）的植入是这些患者的救生治疗选择[4]。LVAD是带有外部电池的机械泵，可帮助将血液从左心室（LV）泵入系统循环，从而可以部分或完全替换失败的心脏功能[5]。
卫星导航的干扰技术概述
摘要：全球导航卫星系统（GNSS）已应用于社会生计和军事应用的各个方面，并已成为国家基础设施建设的重要组成部分。但是，由于GNSS的脆弱性，卫星导航技术可能会对GNSS安全应用构成严重威胁，这已成为导航对策领域的研究热点。在本文中，卫星导航干扰技术被分为抑制和欺骗干扰，以及卫星导航抑制抑制和欺骗干扰技术的研究状态以三个方面进行分类：干扰技术分类，技术分类，障碍智能评估评估评估评估评估。最后，总结了卫星导航干扰技术的未来发展趋势。
Lumio自主光导航的当前状态...
（1）米兰航空科学技术系助理教授，通过Giuseppe la Masa，34，20156意大利米兰，+39 02 2399 7157，paolo.panicucci@polimi.it@polimi.it（2） Giuseppe la Giuseppe Masa, 34, 20156 Milan, Italy, +39 02 2399 7157, Felice.piccolo@polimi.it (3) PhD Student, Department of Aerospace Science and Technology, Polytechnic of Milan, Via Giuseppe La Masa, 34, 20156 Milan, Italy, +39 02 2399 7157, Salvatore.borgia@polimi.it (4) PHD Student, Department of Aerospace Science and Technology, Polytechnic of Milan, Via Giuseppe La Masa, 34, 20156 Milan, Italy, +39 02 2399 7157, Antonio.rizza@polimi.it (5) Postdoc Fellow, Department of Aerospace Science and Technology, Polytechnic of Milan, via Giuseppe La Masa, 34, 20156 Milan, Italy, +39 02 2399 7157，vittorio.franzese@polimi.it.it（6）米兰航空科学技术系完整教授，米兰理工学院，经过Giuseppe la Masa，34，34，20156 Milan，Italy，Italy，Italy，Italy，+39 02 2399 7157，Francesco.topputo@pputo