XiaoMi-AI文件搜索系统
World File Search System测试场景
deepSense-v2v：车辆到车辆多模式感应，定位和通信数据集
摘要 - 高数据速率和低延迟车辆到车辆（V2V）通信对于未来的智能运输系统至关重要，以实现协调，增强安全性和支持分布式计算和情报要求。但是，制定有效的沟通策略需要现实的测试场景和数据集。这在高频带中很重要，在高频带中，有更多的频谱可用但收获该带宽受到方向传输的需求和信号传播对阻塞的敏感性的挑战。这项工作介绍了第一个用于研究MMWave车辆到车辆通信的大规模多模式数据集。它提出了一个两辆车测试台，该床包括来自360º相机，四个雷达，四个60 GHz阶段阵列，一个3D激光雷达和两个精确的GPS的数据。数据集包含白天和黑夜驾驶的车辆，在城堡和农村环境中，速度为120公里，速度高达每小时100公里。从卡车到自行车的所有图像中都检测到超过一百万个物体。这项工作进一步包括详细的数据集统计信息，这些数据集统计数据证明了各种情况的覆盖范围，并突出了该数据集如何启用新颖的机器学习应用程序。
特斯拉模型的全面分析
摘要：有关最先进的电池电动汽车的数据对学术界至关重要；但是，由于行业中的不公开政策，这些数据尚未发布。因此，仿真模型及其分析基于假设或内部信息。为了填补此信息差距，我们对Tesla Model 3标准范围Plus（SR+）的电力总成进行了全面分析，从2020年使用磷酸锂（LFP）细胞，重点介绍了整个范围。在车辆水平上，我们在多个测试场景中观察到所得范围，通过在车辆测功机上进行不同的测试系列以及通过交流电流（AC）和直流电流（DC）充电测量测量来追踪从源到水槽的能量路径。除了在车辆水平的不同操作场景以及电动和热运行策略中的绝对电动范围测试外，我们还分析了零件水平上的能量密度和动力单元的效率。这些测试是通过底盘测功机以及电荷/放电场景的效率分析和电特性测试进行的。这项研究包括超过1 GB的相关测量数据，从实验室到车辆级别，从实验室到以开源数据可用的现实世界环境。
基于场景的自动驾驶系统测试的经验基础前进的途径
对自主驾驶系统（AD）的测试是一项至关重要的，既定的任务，需要不同的方法来确保在各种驾驶场景中系统的安全性和可靠性。目前，缺乏对测试此类系统的行业实践以及相关挑战的了解。为此，我们对以前的探索性研究进行了二次分析，在那里我们采访了来自Sween的7家广告公司的13位专家。我们探讨了行业中的测试实践和挑战，特别关注基于方案的测试，因为它被广泛用于研究广告。通过访谈的详细分析和合成，我们确定了测试广告的关键实践和挑战。我们的分析表明，行业实践主要涉及各种类型的测试方法，测试原理，测试场景的选择和识别，测试分析以及相关标准和工具以及一些一般计划。挑战主要包括不同公司使用的概念和方法的差异，以及缺乏全面的标准，法规和有效的工具，方法和方法以及用于最佳测试的技术。为了解决这些问题，我们提出了一种“ 3CO”策略（结合，合作，继续学习和开放），作为行业和学术界的集体途径，以改善广告的测试框架。
基于邻里覆盖范围和相似性的自动驾驶汽车的几个场景测试
摘要 - 在大规模部署之前，必须调查和评估自动驾驶汽车（AV）的安全性能。实际上，特定AV的测试场景数量受到严格限制的预算和时间受到严格限制。由于严格限制的测试施加的限制，现有的测试方法通常会导致明显的不确定性或难以量化评估结果。在本文中，我们首次提出了“少数测试”（FST）问题，并提出了一个系统的框架来应对这一挑战。为了减轻小型测试方案集中固有的可观不确定性，我们将FST问题作为优化问题，并根据社区覆盖范围和相似性搜索测试方案集。具体而言，在AVS设置的测试方案更好的概括能力的指导下，我们动态调整了该集合以及每个测试方案对基于覆盖范围的评估结果的贡献，利用了替代模型（SMS）的先前信息。通过SMS上的某些假设，建立了评估误差的理论上上限，以验证给定数量有限的测试中评估准确性的充分性。与常规测试方法相比，剪切方案的实验结果表明，我们方法的评估误差和方差显着降低，尤其是对于对场景数量严格限制的情况。索引术语 - 射击测试，自动驾驶汽车，SCENARIO覆盖范围，测试方案集
医院内空气传播的实验研究
实验研究可以提供有关建筑通风和环境因素对医院空气传播影响的理解、知识和真实案例经验证据。从现有研究中获得的信息有助于制定工程解决方案和管理实践，以对抗医院空气传播感染。进行了系统回顾，总结了实验方法、研究兴趣、有用结果和局限性。实验研究的兴趣呈稳步但缓慢增长的趋势，主要集中在通风系统、策略和配置对空气传播的影响上。研究了在环境因素、排放情景和人类运动的综合影响下生物气溶胶的扩散。还研究了局部通风、空气净化器和消毒技术。总结并强调了实验技术和一些关于最佳通风策略和管理实践的有用见解。实证研究的局限性包括采样困难、规模有限和测试场景数量、不受控制/未考虑的影响因素以及实验媒介。利用基于物联网的采样设备进行实验，实时监测生物气溶胶或其替代品，在医院进行逐案现场调查，开展跨学科研究与合作，可以帮助克服研究挑战，并提供切实有效的解决方案，以最大限度地减少医院内的空气传播。
考虑合作任务和优先约束的多机器人任务分配与调度
摘要 — 为了充分利用异构多机器人团队合作的固有优势，复杂的协调算法必不可少。时间扩展多机器人任务分配方法将一组任务分配和安排给一组机器人，以优化某些目标并满足操作约束。如果考虑合作任务（即需要两个或多个机器人直接协同工作的任务），这尤其具有挑战性。在本文中，我们提出了一个易于实施的标准来验证时间扩展多机器人任务分配问题解决方案的可行性，即可执行性，这些问题具有跨计划依赖性，这些依赖性源于对合作任务和优先约束的考虑。使用引入的可行性标准，我们针对所考虑的问题类提出了一种基于邻域运算符的局部改进启发式方法。初始解决方案由贪婪的构造启发式方法获得。这两种方法都使用广义成本结构，因此能够处理各种目标函数实例。我们使用不同问题规模的测试场景来评估所提出的方法，所有这些场景都包含所考虑问题的复杂性方面。模拟结果证明了应用局部改进启发式方法所带来的改进潜力。
高密度航空图像匹配：
高密度航空影像匹配：最新技术与未来前景 N. Haala a*、S. Cavegn a、b a 德国斯图加特大学摄影测量研究所 - norbert.haala@ifp.uni-stuttgart.de b 瑞士西北应用科学与艺术大学测绘工程研究所，瑞士穆滕茨 - stefan.cavegn@fhnw.ch SpS 12 - EuroSDR：NMCA 的创新技术和方法 关键词：匹配、表面、三维、点云、融合、三角测量 摘要：匹配算法的不断创新正在不断提高从航空影像自动生成的几何表面表示的质量。这一发展推动了 ISPRS/EuroSDR 联合项目“高密度航空图像匹配基准”的启动，该项目旨在根据密集多视图立体图像匹配的当前发展情况，对摄影测量 3D 数据捕获进行评估。最初，测试针对不同土地利用和图像块配置的传统航空图像飞行进行基于图像的 DSM 计算。第二阶段将重点放在复杂城市地区的高质量、高分辨率 3D 几何数据捕获上。这包括将测试场景扩展到倾斜航空图像飞行以及生成过滤点云作为相应多视图重建的附加输出。本文使用基准的初步结果来演示
Microsoft Word - 航空液压部件验收测试程序_template.docx
随着当今商用和军用飞机开发中使用的飞行系统和组件的复杂性不断增加，需要进行全面测试以确保系统可靠性、可维护性和支持的组件数量也在不断增加。在开发过程中对每个组件进行适当的测试对于飞行中的关键应用尤其重要，因为即使是最小的组件发生故障也可能导致灾难性的后果。此外，这些行业中的应用通常具有复杂的液压组件，使用特殊流体，或者需要在高压环境中具有故障安全功能，这会产生更加复杂的测试场景。通常，公司会使用独立公司或在其测试实验室中使用手动密集型方法执行这些关键任务测试。然而，在航空航天行业，在整个开发过程中使用非常具体和规范的方法监控和跟踪系统中使用的每个组件的所有测试数据至关重要，因此最好使用更自动化的内部解决方案，以确保所有测试都正确执行，所有数据都得到正确记录。本白皮书将讨论制造商执行此类测试可用的选项，并将向您展示为什么执行验收测试程序 (ATP) 的定制系统可能是您的组织的最佳选择。
桌面虚拟现实作为测试焦虑的曝光方法
抽象测试焦虑是一种情绪状态，其特征是主观的不适感，恐惧和忧虑，可能会严重影响学生的学习成绩。虚拟现实暴露（VRE）是解决测试焦虑的一种有前途的方法，但是文献中仅涉及书面考试的少数VRE系统。由于口试比书面考试更具焦虑，因此，VRE系统的口腔考试可用性对全球大量学生来说是宝贵的。现有VRE系统的另一个限制是测试焦虑症，它们需要具有头部安装的显示屏，并具有广泛使用的障碍。本文旨在解决这两个问题，提出了一个处理口头考试的VRE系统，可以与常见的PC显示器一起使用。在三种口腔测试场景中组织了拟议系统的设计，其中虚拟代理充当学生的检查员。虚拟审查员在第一种情况下的行为友好，并在随后的两个情况下越来越降低其友好性。本文使用两种互补方法评估了所提出系统的VRE的可行性。首先，我们描述了三种系统场景的定量用户研究，表明它们会引起焦虑水平的增加。第二，我们对参与后的暴露后访谈进行了定性主题分析，该分析进一步阐明了虚拟体验的各个方面，这有助于引起参与者的负面影响或积极影响，并为改善VRE系统的测试焦虑提供了见解。
助记符式惊吓和惊讶管理程序对飞行员的有效性
摘要背景：先前提出了助记型惊吓和惊讶程序来帮助飞行员应对飞行中的惊吓和惊讶，但是尚未研究程序执行后对表现的影响。目的：因此，我们在移动基座模拟器中使用单人驾驶的小型双螺旋桨飞机的非线性模型测试了新的助记型程序的有效性。方法：一个由 12 名航线飞行员组成的实验组接受了四项程序的培训：1. 冷静：深呼吸，坐直，放松肩膀和手。2. 观察：喊出基本飞行参数。3. 概述：制定关于问题的假设。4. 领导：制定并执行行动计划。由 12 名航线飞行员组成的对照组接受了控制训练。接下来，所有飞行员执行了四种包含惊吓和惊讶事件的场景。获得了有关飞行员表现、压力、程序应用和评估的数据。结果：该程序在测试场景中的应用率很高（90.0% 完全应用，100.0% 部分应用），飞行员对该程序的评价为积极（中位数：4，1-5 分制）。实验组的决策能力明显更出色，但即时反应明显不太理想。飞行员有时会在不合适的时刻应用该程序。结论：测试的助记符型程序结果令人鼓舞。然而，该程序可能会从修改中受益