XiaoMi-AI文件搜索系统
World File Search System导航算法
在AI中导航算法偏见：确保非洲公平和信任
本文介绍了算法偏见对非洲背景下人工智能（AI）系统信息公平和信任的影响。作者的个人经验和观察以及相关文献结合了本文的基础。作者说明了为什么算法偏见在非洲构成了重大挑战，尤其是在AI应用的公平和完整性方面。这种观点强调了迫切需要解决损害信息传播和破坏公共信任的公平性的偏见。作者倡导实施促进包容性，增强文化敏感性并积极吸引当地社区参与AI系统发展的战略。通过优先考虑道德实践和透明度，利益相关者可以减轻与偏见相关的风险，从而促进信任并确保公平获得技术。此外，本文探讨了无所作为的潜在后果，包括加剧的社会差异，公共机构的信心减少以及经济停滞。最终，这项工作主张对AI的协作方法，该方法将非洲定位为负责任发展的领导者，从而确保技术是可持续发展和社会正义的催化剂。
自适应联合过滤器组合基于导航算法...
摘要集成导航系统确保海上自主地表船（质量）安全，有效，并在不同的复杂导航环境中自主完成各种操作。研究集成导航的可靠算法对于增强系统的容错和确保船舶运动状态的稳定和连续输出至关重要。但是，现有的研究主要集中于优化特定的过滤算法或检查预定的集成导航结构中信息分配的基础。因此，在导航传感器故障的情况下，增强质量集成导航系统鲁棒性的策略和联合过滤器的子系统的设计尚未进行复杂的海上导航方案的充分研究。因此，这项研究介绍了使用非线性采样过滤的集成导航系统中系统特征和状态估计性能的可观察性共享因子。随后，开发了具有分布式联邦过滤器的可靠集成导航框架。在此框架内，根据可观察性共享因子提出了自适应联合过滤算法，以分配联合过滤中的信息。最后，通过仿真和实地实验验证了算法的理论性和有效性，以帮助开发准确和耐断层的海上导航系统。
基于LIDAR的在线导航算法的自治
摘要：在本文中，我们提出了一种新的方法，用于在农业中农作物行之间的自主机器人导航。通过将2D光检测和范围（LIDAR）数据投影到机器人的运动方向上，以执行具有噪声（DBSCAN）的应用程序的一维空间聚类来实现。通过将DBSCAN的虚拟地标与机器人的位置相结合，从粒子过滤器中更新了映射和定位（MAL）。此方法映射的结果并在一次扫描中同时估算机器人的位置。每个机器人的位置取决于当前扫描和以前的扫描的LIDAR数据信息。数据关联是通过将许多连续扫描和卡尔曼过滤器组合在一起的数据来实现全局路径。通过组合本地位置创建的全局轨迹允许机器人实时自动导航，而无需经历从裁剪领域收集所有数据的先前阶段。本文还使用不同的参数进行FIR滤波器校正，以增强所提出的方法的有效性。
文章 基于 6-DoF AI 导航算法开发的自动数据注释
摘要：准确估计图像中物体的六自由度 (6-DoF) 姿势对于各种应用至关重要，例如机器人、自动驾驶、无人驾驶飞机系统 (UAS) 的自主、人工智能和基于视觉的导航。开发此类算法需要大量数据集；然而，生成这些数据集非常繁琐，因为它需要注释图像中每个感兴趣物体相对于相机的 6-DoF 相对姿势。因此，这项工作提出了一种新颖的方法，可以自动化数据采集和注释过程，从而将注释工作量最小化到录制持续时间。为了最大限度地提高生成的注释质量，我们采用基于优化的方法来确定相机的外部校准参数。我们的方法可以处理场景中的多个物体，自动为每个物体提供地面真实标记，并考虑不同物体之间的遮挡效应。此外，我们的方法不仅可用于生成 6-DoF 姿势估计和相应 3D 模型的数据，还可扩展到对象检测、实例分割或任何类型对象的体积估计的自动数据集生成。
