XiaoMi-AI文件搜索系统
World File Search System无人系统
Leidos设计的低调船参加了美国陆军项目Contergence Capstone 4练习，美国。海军和JSDF进行战斧土地攻击导弹训练，联合行动导致可卡因癫痫发作，3月28日红海更新，Kraken与Auterion建立了伙伴关系，以提高美国安全船业的自主能力。海军提供第一架P-8A POSEIDON飞机进行增量3块修改，3月27日红海更新，无人系统帮助海岸警卫队成员导航未来，海军的高级官员训练，与Red Sea Mission的物流，与Red Sea Mission，Krakaken团队，具有Auterion的Kraken团队，以提高安全船的自动驾驶功能
P-8A是国防部唯一的远程全频谱ASW，Cue-to-Kill平台，具有实质性的ASUW和网络ISR功能。增量3块2提供了对P-8A机身和航空电子系统的显着升级，其中包括新的机身架子，辐射，天线，天线，传感器和接线。修改结合了一个新的战斗系统套件，具有改进的计算机处理和更高的安全架构功能，宽带卫星通信系统，ASW信号智能能力，轨道管理系统以及其他通信和声学系统，以增强搜索，检测和定位功能。
与无人系统的运营团队一起学习
摘要 - 莲花项目旨在改善海上监视。在这种情况下，该立场论文提出了持续的贡献，包括用于将多代理系统应用于监视任务的水下无人机组的新型机器学习算法。它强调将人机组合纳入海上情景中的决策。该项目的预期结果包括对自动驾驶汽车组的强大控制，适合环境变化以及有效的报告方法。任务摘要将通过叙事方式传递给人类操作员，以归功于无人机所检测到的相关事件。通过机器学习提供支持的这种叙事构造的整合将提高团队的整体有效性，从而构成重大突破。
事实说明：国防部对抗无人系统的战略
国防部正在减轻无人系统对国内外美军、资产和设施的潜在负面影响。我们努力的一大关键部分，特别是近期的努力，来自改进我们的防御，重点是探测以及主动和被动防御。国防部将确保我们的部队和优先设施得到保护。为了领先于无人系统的进步及其日益普及，国防部将为更先进的挑战做好准备，将我们未来的能力调整到更具压力的情况（例如，更多能力更强、自主性更强的系统）。从中长期来看，国防部还将开发和设计我们未来的部队，以减少他们的脆弱性，提高他们对这些威胁的抵御能力。总之，这些方法将使国防部能够保持我们的进步和战斗能力，并在必要时打赢我们国家的战争。
反击 - 无人系统研究
a。 ALSSA探讨了2016年开发反无人空中系统（C-UAS）多服务策略，技术和程序（MTTP）手册的潜力。基于当时可用的研究，确定该主题的发展不足以保证独立的MTTP。同时，ALSSA已经发布了无人驾驶系统MTTP，其中许多C-UAS主题都被解决了。2017年，由于与较大类别的无人驾驶飞机和载人飞机的相似之处，MTTP无人空中系统合并为MTTP空气和导弹防御。MTTP空气和导弹防御，第六章专门用于反对无人飞机系统，以代替独立的MTTP，这也是由于反击载人和无人驾驶航空系统的相似之处。 基于无人系统的增加，JASC在2024年指示ALSSA对基于无人系统的不对称威胁，对无人机威胁的无人系统（C-US）MTTP进行了一项研究，该系统对无人系统构成了关节力量。MTTP空气和导弹防御，第六章专门用于反对无人飞机系统，以代替独立的MTTP，这也是由于反击载人和无人驾驶航空系统的相似之处。基于无人系统的增加，JASC在2024年指示ALSSA对基于无人系统的不对称威胁，对无人机威胁的无人系统（C-US）MTTP进行了一项研究，该系统对无人系统构成了关节力量。
无人系统运营中心战略规划 2024-2028
为了发挥创新的集体力量，这些项目以及我们所做的所有工作都包括与学术界、工业界以及其他政府和非政府部门的合作。就在去年，我们建立了多种机制来促进与 UxS 合作伙伴的合作，包括两份提案请求（在我们 2250 万美元的 UxS 重点预算中，分别有超过 640 万美元和超过 750 万美元用于学术界和工业界）和三份新合同，以简化无人驾驶海洋系统数据即服务的处理和交付。我们很高兴继续支持这项工作的发展和支持这项工作的劳动力；并在未来几年促进 UxS 企业内部的进一步合作。
以任务为导向的无线通信，用于智能无人系统中的协作感知
摘要 - 集中感知（CP）表明，在智能无人系统（IUSS）中实现了更全面和可靠的环境实现。然而，由于CP任务的特征和无线通道的动态，CP的实施仍然面临着关键的挑战。在本文中，提出了一个面向任务的无线通信框架，以共同优化通信方案和CP程序。我们首先提出了渠道自适应压缩和鲁棒融合方法，以在无线通信约束下提取和利用最有价值的语义信息。然后，我们提出了一种面向任务的分布式调度算法，以确定在动态环境下的CP的最佳合作者。主要思想是在安排时学习，其中协作实用程序可以通过低计算和沟通开销有效地学习。在连接的自主驾驶场景中进行案例研究以验证拟议的框架。最后，我们确定了几个未来的研究方向。