XiaoMi-AI文件搜索系统
World File Search System环境感知
通过中继和汇总集体感知消息，增强对智能运输系统的脆弱道路用户意识
摘要：集体感知服务（CPS）允许连接的车辆通过与其他车辆和基础设施共享有关对象的动态状态的信息来获得其环境的更全面的了解。通过车载传感器检测到的对象通过车辆到车辆（V2V）或车辆对基础设施（V2I）通信共享。但是，V2V通信的范围有限，可以部署路侧单元（RSU）以增强范围并减轻V2V信号传播的负面影响。我们通过RSU增强了车辆网络，以汇总和向前的集体感知消息（CPM）从相邻车辆中收到的，从而改善了整体环境感知和易受伤害的道路使用者（VRUS）的对。根据ETSI ITS-G5标准，我们的仿真结果证明了CPS在城市交叉点方案中的有效性，显示了其他V2I通信和RSU对VRUS车辆感知的部署的积极影响。添加RSU会导致VRU感知的显着改善，而网络通道上的数据包丢失则适度增加。
全 0 千米水面 AUV 实时飞行模拟
具有挑战性的机动，涵盖整个 0 ◦ –360 ◦ 飞行范围。此类 AUV 可受益于海洋生产、环境感知和安全等新用例，通过实现对接、检查或冰下作业的新功能。为了进一步探索它们在这些场景中的能力，必须能够在整个包络线上模拟它们的飞行动力学，其中包括强非线性效应和大攻角下的湍流。利用准确、高效的仿真模型，可以生成新的水上机动并制定控制策略。因此，本文提出了一种实时高效、准确地模拟水上机动的策略。通过结合分析、半经验和数值方法，合成了一个多保真流体动力学数据库，从而捕捉整个包络线上的流体力和力矩。组件构建工作流用于使用从数据库生成的查找表来组装非线性飞行动力学模型。该模拟模型用于执行高级水上机动的实时模拟。模拟结果与文献和实验结果一致，并且模拟器在设计新机动和控制策略时可作为开发工具使用。
s $^{3} $ M-net：语义细分的联合学习和自动驾驶的立体声匹配
摘要 - 语义分割和立体声匹配是用于自动驾驶的3D环境感知系统的两个基本组成部分。然而，传统方法通常独立解决这两个问题，并采用每个任务的单独模型。这种方法在现实情况下构成了实际限制，尤其是当计算资源稀缺或实时绩效是必须的。因此，在本文中，我们介绍了S 3 M-NET，这是一个新型的联合学习框架，旨在同时执行语义分割和立体声匹配。特别是S 3 M-NET共享从这两个任务之间从RGB图像中提取的功能，从而提高了整体场景理解能力。使用特征融合适应（FFA）模块实现此功能共享程序，该模块有效地将共享特征转换为语义空间，然后将它们与编码的差异功能融合在一起。整个联合学习框架是通过最大程度地减少新颖的语义一致性引导（SCG）损失来训练的，该损失强调了这两个任务的结构一致性。与其他最先进的单个任务网络相比，在VKITTI2和KITTI数据集上进行的广泛实验结果揭示了我们提出的联合学习框架的有效性及其优越的性能。我们的项目网页可在mias.group/s3m-net上访问。
一项关于集成大语模型与智能机器人的调查
摘要。仅摄像机的鸟类视图（BEV）在3D空间中表现出巨大的环境感知潜力。但是，大多数存在的研究都是根据监督设置进行的，该设置在处理各种新数据时无法扩展得很好。无监督的域自适应BEV，从各种未标记的目标数据中有效学习，却尚未探索。在这项工作中，我们设计了da-bev，这是第一个域名摄像机仅BEV框架，该框架通过利用图像视图的互补性质和BEV功能来解决域自适应BEV挑战。da-bev将查询的想法介绍到域适应框架中，以从图像视图和BEV功能得出有用的信息。它由两个基于查询的设计组成，即基于查询的对抗学习（QAL）和基于查询的自我训练（QST），它们利用图像视图功能或BEV功能来正规化对方的适应。广泛的实验表明，DA-BEV在多个数据集和任务（例如3D对象检测和3D场景分割）中旨在达到上级自适应BEV感知性能。
bevfastline：自动停车申请的单拍快速BEV线检测
摘要：在自主停车场景中，准确的近场环境感知对于平稳操作至关重要。停车线的检测与富有理解的车道检测不同，由于缺乏方向，位置和色彩，图案和背景表面的各种外观的空间一致性而提出了独特的挑战。因此，依赖锚和偏移的车道检测的最新模型并非直接适用。本文介绍了BevFastline，这是一种新颖的端到端线条标记鸟类眼视图（BEV）空间中的架构，该空间是为360◦多相机感知应用而设计的。bevfastline将我们的单发线检测方法与先进的反视角映射（IPM）技术集成在一起，尤其是我们的快速分裂技术，以在各种空间上下文中有效地检测线条标记。此方法适用于3级自动化车辆中的实时硬件。BEVFastline准确地将停车线定位在BEV空间中，最高为10厘米。我们的方法，包括更快的快速SPLAT和单杆检测，超过LSS及其准确性，达到80.1％的精度，90％的召回率，几乎使基于BEV的分段和多线线模型的性能翻了一番。这种简化的解决方案在复杂的，动态的停车环境中非常有效，在自我车辆周围10米以内的高精度定位。
IAC-23-A3-3B 第 1 页，共 9 页 IAC-23-...
摘要 太空探索和在其他星球上建立人类存在需要先进的技术以及机器人和宇航员之间的有效协作。高效的太空资源利用对于外星定居也至关重要。协作式原位资源利用 (CISRU) 项目开发了一套包含五个关键模块的软件套件。第一个模块管理多智能体自主性，促进智能体和任务控制之间的通信。第二个模块侧重于环境感知，使用人工智能算法执行环境分割和物体姿势估计等任务。第三个模块确保安全导航，包括避障、与宇航员的社交导航以及机器人之间的合作。第四个模块涉及操纵功能，包括多工具功能和用于原位资源利用 (ISRU) 场景中各种任务的工具更换器设计。最后，第五个模块控制合作行为，结合宇航员命令、混合现实界面、地图融合、任务监督和错误控制。该套件使用行星环境和 GMV SPoT 模拟环境中的宇航员-探测车交互数据集进行了测试。结果证明了 E4 自主性和 AI 在太空系统中的优势，有利于宇航员与机器人的协作。本文详细介绍了 CISRU 的开发、现场测试准备和分析，强调了其通过 AI 技术彻底改变行星探索的潜力。关键词：探测车、ISRU、协作、人工智能、操控 1. 简介
通过多层大语言模型增强机器人任务计划和执行
摘要：大型语言模型在机器人任务计划和任务分解的域中发现了效用。尽管如此，这些模型在任务执行中指导机器人的直接应用并非没有挑战。在处理更复杂的任务，与环境有效互动时遇到困难以及在此类模型直接生成的机器控制指令的实际可执行性中遇到困难。应对这些挑战，这项研究倡导实施多层大语言模型，以增强机器人在处理复杂任务方面的利用率。提出的模型通过整合多个大语言模型来促进任务的细致层次分解，其总体目标是增强任务计划的准确性。在任务分解过程中，引入了视觉语言模型作为环境感知的传感器。此感知过程的结果随后被吸收到大语言模型中，从而通过环境信息将任务目标融合在一起。这种整合反过来又导致了针对当前环境的特定特征量身定制的机器人运动计划。此外，为了增强大型语言模型的任务计划输出的可执行性，引入了语义一致性方法。此方法将任务计划描述与机器人运动的功能要求保持一致，从而确定了生成指令的总体兼容性和相干性。为了验证拟议方法的效果，使用智能无人车辆建立了一个实验平台。该平台是验证多层大语言模型在解决与机器人任务计划和执行相关的复杂挑战方面的提高效率的一种手段。
在中国第一层城市的新职业从业人员的发展：比较分析
由于经济环境日益复杂和艰难的就业情况，中国出现了许多新职业，导致工作多样化。目前，中国新职业的总体发展状况以及不同城市的新职业从业人员的结构性特征尚不清楚。这项研究首先为来自五个维度（群体规模，文化欣赏，工资水平，职业感知和环境感知）的新职业从业人员构建了开发指数系统。相关数据以比较和分析新职业从业人员的发展状况，源自中国主流招聘平台的大数据挖掘以及新专业实践者的问卷调查，这些调查来自四个一流的城市和15个新的一流城市。结果表明，四个一线城市的新职业从业人员的发展水平最高，而两个新的一级城市成都和杭州都具有出色的表现。在东部，中国和中国西部具有最佳发展职业从业者最佳发展水平的城市分别是上海，武汉和成都。中国的大多数新职业从业人员对职业的未来充满信心。但是，在新职业从业人员的发展的五个维度，尤其是那些具有中层发展水平的城市的五个方面，这19个城市中有一半以上是不协调的。尚未制定良好的政策环境和社会环境，以确保新职业从业人员的可持续发展。最后，我们提出了以下对策和建议：（1）建立一个新的职业人才数据库。（2）实施人才行业的凝聚策略。（3）注意城市新职业从业人员的协调发展。
关于LiDAR欺骗攻击对自动驾驶车辆的现实主义，高速和长距离
摘要 - 公共道路上自动驾驶（AD）技术的快速部署提出了重大的社会挑战。莱达（LiDar）的安全性（光检测和范围）是AD部署的新挑战之一，因为它通过准确的3D环境感知在启用4级自治方面至关重要。最近的研究线表明，LiDar欺骗攻击可能会损害LIDAR，从而通过向LIDAR发射恶意激光来覆盖合法感知。然而，以前的研究仅在受控环境中成功证明了它们的攻击，但是在现实的高速，长距离广告场景中攻击的可行性中存在差距。为了弥合这些差距，我们设计了一个新型移动的车辆欺骗（MVS）系统，该系统由3个子系统组成：激光雷达检测和跟踪系统，自动摄像机系统和激光雷达欺骗系统。此外，我们设计了一种新的对象去除攻击，一种自适应的高频去除（A-HFR）攻击，即使对脉冲指纹特征的最近激光雷达，也可以通过利用目标LIDARS扫描时间的灰色盒子知识来有效。使用我们的MVS系统，我们不仅是第一个展示激光欺骗对实际广告方案的攻击，在这种情况下，受害者车辆以高速行驶（60 km/h）驾驶，而且该攻击是从长距离（110米）发射的，而且我们也是第一次对雷达欺骗的攻击实际上由流行的行驶行驶，实际上是通过流行的行驶攻击的人。我们的对象去除攻击实现了≥96％的攻击成功率，以驾驶60 km/h的车辆到制动距离（20米）。最后，我们讨论了与我们的MVS系统攻击的可能对策。这项研究不仅弥合了LiDAR安全性与AD安全研究之间的关键差距，而且为建立针对新兴威胁的强大对策奠定了基础。
使用...提高军事行动中的态势感知能力
[Hul97a] 将情境感知定义为能够根据用户所处环境感知、解释和响应的计算机系统。 增强认知 要开发信息显示系统，必须研究信息需求，还必须确定呈现信息的最佳方式，以使系统稳健、可用和有效。人类的信息处理能力已迅速成为人机交互的限制因素。这个问题促使了一门名为增强认知（AC）[Kob06a]的新科学学科的发展。AC 的具体关注点是设计方法来检测和减轻人类信息处理的局限性，以及设计解决方案来改善人机系统上的信息交换和使用。 增强现实 根据 [Hic03a]，AR 为用户提供可以在现实世界中看到的叠加信息，即它用虚拟信息补充现实世界。AR 通过向视觉、声音、嗅觉或触觉等感官添加信息来改善对自然世界的感知。 AR 是指将来自三维现实环境的信号与用户感知相结合。具体来说，它表示使用眼镜或 HMD（头戴式显示器）将虚拟 3-D 图像与用户对周围世界的自然视觉融合。通过呈现集成在用户环境中的叠加信息，AR 有可能在许多应用领域提供显著的优势。这些优势中的许多都来自于这样一个事实：通过 AR 系统显示的虚拟信号可能超出了物理可见的范围。网络中心战根据 [Dod05a]，网络中心战是一种军事理论，旨在通过地理上分散但联系紧密、信息灵通的强大部队网络将信息优势转化为竞争优势。