XiaoMi-AI文件搜索系统
World File Search System导航的
空间导航的神经科学及其与人工智能的关系
人工智能 (AI) 和神经科学的最新进展令人印象深刻。在人工智能领域，这包括开发可以击败围棋大师或在癌症检测方面胜过人类放射科医生的计算机程序。这些技术发展中的很大一部分与人工神经网络的进步直接相关——最初受到我们对大脑如何进行计算的认识的启发。与此同时，神经科学在理解大脑方面也取得了重大进展。例如，在空间导航领域，有关认知图（空间的内部表示）的神经计算机制和大脑区域的知识最近获得了诺贝尔医学奖。神经科学最近的大部分进展部分归功于技术的发展，该技术用于以极高的时间和空间分辨率记录动物行为中大脑多个区域的大量神经元。随着这些技术使我们能够收集大量数据，人们对人工智能与神经科学的交叉点的兴趣日益浓厚，其中许多交叉点涉及使用人工智能作为探索和分析这些大型数据集的新工具。但是，鉴于共同的初始动机点——了解大脑——这些学科可以更紧密地联系在一起。目前，这种潜在的协同作用大部分尚未实现。我们认为空间导航是这两个学科可以融合以促进我们对大脑的了解的绝佳领域。在这篇评论中，我们首先总结了空间导航和强化学习的神经科学进展。然后，我们将注意力转向讨论如何使用描述性、机械性和规范性方法对空间导航进行建模，以及在这些模型中使用人工智能。接下来，我们讨论人工智能如何推动神经科学的发展，神经科学如何推动人工智能的发展，以及这些方法的局限性。最后，我们重点介绍了一些有前景的研究方向，其中空间导航可以成为神经科学和人工智能的交汇点，以及这如何有助于促进对智能行为的理解。
用于远程以对象为中心的无人机导航的触摸界面
摘要 摄像无人机是一种快速兴起的技术，它使人们能够以高度的机动性和敏捷性远程检查环境。但是，手动远程驾驶无人机容易出错。相比之下，自动驾驶系统可能需要大量的环境知识，并且不一定设计用于支持灵活的视觉检查。受到交互式图形中相机操纵技术的启发，我们设计了 StarHopper，这是一种新颖的触摸屏界面，用于高效的以对象为中心的摄像无人机导航，其中用户直接指定无人机相机相对于指定感兴趣对象的导航。该系统依赖最少的环境信息，结合手动和自动控制机制，让用户可以自由地高效准确地远程探索环境。实验室研究表明，StarHopper 比手动驾驶效率提高了 35.4%，而且用户总体上更喜欢我们以物体为中心的导航系统。
用于航天器导航的全局快门固态闪光激光雷达
需要强大的相对导航系统和传感器来确保成功完成航天器与小天体（小行星、彗星）的自主会合操作、航天器近端/对接机动以及行星体进入、下降和着陆 (EDL) 任务。在过去 5 年内，全局快门闪光激光雷达已成为这些相对导航任务领域的首选传感器。与其他激光雷达模式相比，全局快门闪光激光雷达具有出色的尺寸、重量和功率 (SWaP) 性能，能够生成实时组织的点云并同时跟踪多个物体。首批使用由 Advanced Scientific Concepts LLC (ASC) 设计和制造的全局快门闪光激光雷达相对导航传感器的两个作战太空计划是 NASA/洛克希德马丁 OSRIS-Rex 和 NASA/波音的 CST-100 Starliner（载人航天运输）任务。 OSIRS-REx 任务尤其令人感兴趣，因为这是首次收集闪光激光雷达深空可靠性数据。
针对非差分GPS/IMU集成导航的优化滤波器设计
首先，根据泰勒展开式对最近发展起来的非线性滤波方法——Cuature卡尔曼滤波器（CKF）的性能评估进行了分析。理论分析表明，非线性滤波方法CKF只有在非线性系统中实现时才显示出其优势。类似地，非线性方向余弦矩阵（DCM）表达式被纳入紧密耦合的导航系统中，以表示真实导航坐标系和估计导航坐标系之间的对准误差。仿真和实验结果表明，在不可观测的大指向误差下，以及在 GPS 故障且指向误差快速累积导致 psi 角的表达式失效的情况下，CKF 的性能优于扩展卡尔曼滤波器（EKF），从而表达一定程度的非线性。
对飞行导航的电磁干扰和...
电磁干扰 (EMI) 有望成为飞行电子系统不断演变的问题。本文介绍了 EMI 并确定了其对民航无线电系统的影响。新的无线服务，如移动电话、短信、电子邮件、网页浏览、射频识别 (RFID) 和移动音频/视频服务，现在正被引入客机。本文介绍了 FCC 和 FAA 管理飞机上移动电话和其他便携式电子设备 (PED) 使用的规则，并介绍了这些规则现在如何被重写以更好地促进机上无线服务。本文全面概述了 NASA 与 FAA、RTCA、航空公司和大学的合作研究，以获取多种 PED 类型的实验室辐射发射数据、飞机射频 (RF) 耦合测量、估计的飞机无线电干扰阈值和直接影响 EMI 测试。这些元素结合在一起，提供了有关客机上使用的新型无线产品的 EMI 潜力的高置信度答案。本文提出了通过检测、评估、控制和减轻 EMI 的影响来协调新型无线服务与航空无线电服务的愿景。
多传感器飞机导航的数据融合方法...
3.4 统计假设检验...................................................................................... 61 3.4.1 假设检验.............................................................................................. 62 3.4.2 贝叶斯检测........................................................................................ 64 3.4.3 Neyman-Pearson 检测...................................................................... 65 3.5 总结............................................................................................................. 66 4 导航方程和误差动力学............................................................................. 67 4.1 简介............................................................................................................. 67 4.2 坐标系统............................................................................................. 67 4.3 惯性传感器技术............................................................................................. 72 4.3.1 惯性传感器系统............................................................................. 72 4.3.2 惯性传感器性能............................................................................. 73 4.3.3 陀螺仪技术............................................................................................. 74 4.3.4 加速度计技术................................................................. 76 4.4.1 速度方程............................................................................... 77 4.4.2 姿态方程...............................................
地形数据库完整性监视器和地形参考导航的性能改进方法
摘要.............................................................................................................................................3