XiaoMi-AI文件搜索系统
World File Search System物体
检测到的物体的金属探测器信号印记 - CORE
人道主义排雷任务是将操作员安全和时间消耗作为关键问题的活动。为了提高我们一直在使用的 ATMID 金属探测器的识别能力，我们扩展了探测器的功能，在探测器头部安装了惯性测量单元 (IMU)，并辅以两个光学距离传感器。这使我们能够根据 IMU 在所有三个轴上测量的加速度和角速率进行航位推算。光学距离传感器已用于补偿目的和初始距离测量。我们的主要目标是将探测器感测到的磁性印记与其头部的精确定位互连，从而估算印记尺寸及其位置。由于基于低成本微机电系统 (MEMS) 的 IMU 实现，我们不得不处理不稳定的航位推算结果。为此，我们使用了我们设计的复杂磁标记 (CMM)，它可以标出搜索区域，并为我们在其两个边缘提供精确定位。本文的主要贡献在于研究和识别 CMM 磁印特征及其与 CMM 在排雷过程中使用的各个方面及其条件相关的差异。根据几个实验室实验研究和分析了 CMM 的特性，并给出了结果。
机场及飞机维修区外来物体损坏（FOD）及预防方法研究
摘要：外来物体损伤 (FOD) 是航空业常见的风险，会对飞机造成潜在损害，外部 FOD 危险包括鸟击、沙尘暴、跑道上的火山灰云。内部 FOD 危险通过电气连接不当、控制电缆不当等方式对飞行安全造成干扰，长期以来，它已经导致了许多可怕的事故。每年 FOD 障碍的成本非常高，约为 12 亿令吉。因此，必须在不影响性能的情况下消除 FOD，并且指定组织（包括航空公司）必须采取适当的技术和策略来进一步消除 FOD 事件。由于某些情况和复杂因素，例如不当的工作行为、恶劣的工作环境、损伤容限和技术不足以及混乱的内部管理系统，控制 FOD 并不容易。本研究的主要目的是进一步讨论和解释 FOD 及其预防 FOD 的技术。 FOD 是航空业普遍关注的问题，也是导致飞机故障和意外损坏（如人员伤亡）的原因之一。通过本研究，我们收集并讨论了许多与 FOD 问题及其灾难性故障相关的信息，以及它们对航空业的影响。
大脑的腹侧视觉通路能计算物体的形状吗？
大量行为文献表明，人类的物体识别是由形状表征支持的，这种表征能够容忍物体外观的变化。这种“全局”形状表征是通过描述物体局部特征或结构的空间排列而不是特征本身的外观来实现的。然而，越来越多的证据表明，腹侧视觉通路（物体识别的主要基础）可能并不代表整体形状。相反，腹侧表征可能更适合描述为局部图像特征的基础集。我们认为，这一证据迫使人们重新评估腹侧通路在物体感知中的作用，并提出了一个更广泛的形状感知网络，其中包括来自背侧通路的贡献。
视觉皮层中不同物体信息的协调多路复用
摘要 感觉受体场足够大，可以容纳多个可感知的刺激。那么，大脑如何编码在特定时刻可能存在的每种刺激的信息？我们最近表明，当存在多个刺激时，单个神经元可以在某个时间段内对一个刺激和另一个刺激进行编码，这表明存在一种不同刺激的神经多路复用形式 (Caruso 等人，2018)。在这里，我们研究 (a) 这种编码波动是否发生在早期视觉皮层区域；(b) 编码波动如何在神经群体中协调；(c) 协调的编码波动如何取决于将刺激解析为独立对象还是融合对象。我们发现编码波动确实发生在猕猴 V1 中，但仅当两个刺激形成独立对象时才会发生。这种独立的物体会引起一种新的 V1 尖峰计数（“噪声”）相关性模式，涉及正值和负值的不同分布。这种双峰相关模式在表现出编码波动或多路复用最强证据的神经元对中最为明显。给定的一对神经元是否表现出正相关或负相关取决于这两个神经元是否对同一物体反应更好或具有不同的物体偏好。在 V4 中，对于单独的物体也观察到基于刺激偏好的尖峰计数相关性的不同分布，但当两个刺激融合形成一个物体时则不会出现这种情况。这些发现表明多个物体引起的反应动力学与单个刺激引起的反应动力学不同，这为多路复用假设提供了支持，并提出了一种尽管感觉编码明显粗糙但仍可以保留有关多个物体的信息的方法。
新生小鸡中的物体永久性不适合反对证据
新生动物在出生时具有先进的感知能力，但是这种最初知识的性质尚不清楚。初始知识是否灵活，不断适应经验统计数据？，即使面对反对证据，最初的知识也可以僵化和强大改变？我们通过对新生小鸡进行的受控抚养实验来解决这个问题。首先，我们在一个贫穷的虚拟世界中饲养了小鸡，那里的物体从未互相阻塞，发现小鸡仍然成功地执行了物体永久任务。第二，我们在一个虚拟世界中饲养了小鸡，在一个虚拟世界中，对象从一个位置传送到另一个位置：不自然的事件违反了对象运动的连续性。尽管看到成千上万的这些违反对象永久性的行为，而不是单一的非暴力化，但这些鸡的表现似乎是真实的，表现出与饲养自然对象永久事件的雏鸡相同的行为。我们得出结论，物体永久性在产前发展，并且可以从反对证据中改变。一句话摘要：我们在物体永久性或虚假的世界中饲养了新生小鸡，发现小鸡总是表现得好像对象永久性是真实的。
使用模糊逻辑通过二维雷达估计空中物体高度
使用模糊逻辑的 2-D 雷达进行空中物体高度估计 SGK Murthy、MV Ramana Murthy、D Satya Narayana 摘要 - 多传感器跟踪是航空航天应用中广泛使用的技术，用于精确估计目标运动学。特别是海军跟踪系统在多传感器跟踪场景中利用不同类型的雷达（2-D、3-D）进行稳健估计。由于 2-D 雷达提供的信息仅包含距离和方位角值，因此很难使用 2-D 雷达估计空中物体的高度。为了克服这一限制，考虑采用几何方法来组合从位于两个不同位置的两个 2-D 雷达获得的信息。由于几何方法的解决方案取决于某些几何特征，因此不可能用一对传感器获得良好的结果。然而，为了获得更好的结果，提出了一种方法，并尝试使用两个以上的 2-D 雷达结合基于模糊逻辑的验证。本文讨论了与 2-D 雷达跟踪相关的问题，以及包括三角测量几何和基于模糊逻辑的验证方法在内的方法，以提高实时高度估计精度。索引术语：模糊决策、模糊逻辑、使用 2-D 雷达进行目标跟踪 I。简介雷达技术的发展始于 20 世纪初的第二次世界大战。所有部队都使用雷达来控制天空和海洋。那个时代开发的雷达技术仍然用于跟踪空中和陆地物体。目标跟踪是一个重要的研究领域，涵盖了国防和商业应用的广阔领域[1]。了解空中情况是空域控制的一项基本任务。多雷达跟踪 (MRT) 是海军目标跟踪应用中广泛使用的技术。在多传感器数据融合系统中，从位于不同位置的多个雷达获得的信息被融合到手稿中 2010 年 5 月 20 日收到 SGK Murthy 在印度海得拉巴国防研究与发展实验室工作，电话：91-40-24151654，电子邮件：sgk_murthy@yahoo.com MV Ramana Murthy 在印度海得拉巴奥斯马尼亚大学数学系工作，电子邮件：mv_rm50@gmail.com D Satya Narayana 在印度海得拉巴奥斯马尼亚大学数学系工作
人造太空物体数量不断增加对环境的影响
在人造卫星存在的大部分时间里，其环境效益（特别是通过提供遥感数据）似乎大大超过了其环境成本。随着目前和预计的地球观测卫星和其他低地球轨道卫星数量的急剧增长，现在需要更仔细地考虑这种权衡。这里我们重点介绍了卫星技术对环境的一系列影响，采用生命周期方法来评估从制造、发射到脱轨期间的燃烧的影响。这些影响包括可再生和不可再生资源的使用（包括与数据传输、长期存储和分发相关的资源）、火箭发射和卫星脱轨对大气的影响，以及夜空变化对人类和其他生物的影响。对某些影响规模的初步估计足以强调需要进行更详细的调查，并确定可以减少和缓解影响的潜在方法。
运动原始扩散：学习可变形物体的轻柔机器人操纵
摘要 - 机器人辅助手术（RAS）中的policy学习缺乏数据效率和多功能方法，这些方法表现出对于精致的手术干预的所需运动质量。为此，我们介绍了运动原始扩散（MPD），这是一种在RAS中模仿学习的新方法（IL），重点是轻柔地操纵可变形物体。该方法结合了基于扩散的模仿学习（DIL）的多功能性与概率动态运动原始基原始（PODMP）的高质量运动产生能力的多功能性。这种组合启动MPD可以轻柔地操纵可变形物体，同时保持数据效率对于稀缺的RAS应用至关重要。我们在状态和图像观察中评估了各种模拟和现实世界机器人任务的MPD。MPD在成功率，运动质量和数据效率方面优于最先进的DIL方法。项目页面：scheiklp.github.io/movement-promistive-diffusion
ModelVsBaby：一个以发展为导向的分布外物体识别基准
深度神经网络最近已成为思考人类视觉学习的卓越计算工具。最近的研究探索了改变自然图像的影响，并比较了人类和模型的反应，为它们的功能以及深度神经网络如何塑造我们对人类学习的理解提供了宝贵的见解。至关重要的是，人类的大部分视觉学习都发生在早期发展过程中。然而，将人工智能模型与年轻人进行比较的良好控制的基准很少。在这里，我们提出了一个以发展为导向的分布外 (OOD) 对象识别基准。我们的基准 ModelVsBaby 包括一组在视觉科学文献中长期研究的 OOD 条件，预计对人类 OOD 对象识别的发展很敏感：轮廓、几何、遮挡、模糊、拥挤的背景和基线现实条件。除了刺激之外，我们还发布了一个独特的数据集，其中包含 2 岁儿童对刺激的反应。我们对数据集的初步分析显示出几个有趣的模式：2 岁儿童在轮廓条件下的准确率达到 80%，几乎与现实条件（概率 = 12%）一样好。在其他具有挑战性的条件下，他们的表现也远高于概率，接近 60%。我们还评估了在不同数量的互联网规模数据集上训练的图像文本关联 (CLIP) 模型。模型性能表明，只要有足够的数据，人工智能学习者就可以学习所有条件。然而，现实和轮廓需要较少的训练数据才能学习，就像人类一样。我们的基准刺激和婴儿反应为构建与人类在学习成果和学习轨迹方面保持一致的计算模型提供了重要的垫脚石。这项努力可以为创建更好的视觉发展模型提供依据，并提高人工智能系统在实际应用中的效率。未来的工作可能会使用基准刺激来测试更多的年龄组，并在“发展一致性”方面对各种风格的模型进行详细比较。