XiaoMi-AI文件搜索系统
World File Search System第一人称
开发太阳能多电动微型航空车辆
旋转翼航空车提供机动性和垂直起飞和降落（VTOL）优势，优于固定翼系统。旋转翼系统确实具有相对较高的能量需求，因此飞行时间较短，因此对固定翼对应物的能量依赖性更大。光伏技术的进步已导致太阳能电池的特定功率（功率到重量比率）显着增加，从而实现了太阳能旋转旋转飞机的设计，现在是微型变体的。呈现的微型航空车辆（MAV）是微型太阳能电机，是0.15 m×0.15 m×0.02 m的0.02 m太阳能可调的无线电控制飞机。0.071千克飞机可以平均飞行3.5分钟，在25°C的1000 W/m 2辐照度下大约68分钟内充电，并且可以在没有阳光的情况下冬眠38天。本文通过使它们能够在不返回基地进行充电的情况下，探讨了增加市售光伏细胞的使用，以增加多转子MAV的能量自主权。已经提出了一个工作原型，其中包含了电池管理系统，自动电源开关，低功率睡眠模式以及第一人称视图（FPV）摄像头。
定向能武器：剖析对无人机核心系统和体外细胞动力学的影响
最近，无人机在商业用途上的可用性和使用量显著增加。这种趋势是由这些设备的灵活性和高速能力推动的，它们的速度可以达到 150 公里/小时。这种现象的迅速增加对世界范围内的安全和防御提出了根本性的挑战，正如正在进行的俄乌冲突所证明的那样。无人机中使用塑料、环氧树脂和玻璃纤维等建筑材料会导致雷达横截面积较小。这就需要实施光电技术以实现可靠的检测和识别。尤其是当涉及到速度可达 200 公里/小时的商用竞速无人机，或者速度可达 600 公里/小时的新型喷气式 Shahed-238 时，迫切需要快速反应对策。这是因为这些无人机飞行高度较低，有效雷达截面（RCS）相对较小，检测通常需要透射频谱特征分析、速度和运动分析或光学识别。此外，熟练的操作员使用第一人称视角（FPV）护目镜可以熟练地控制快速无人机，这对物理拦截策略构成了重大挑战，而俄乌战争的经验表明，物理拦截策略无效、容易因数量过多而不知所措且成本高昂。
什么是人工智能？- 中心工作人员指南
中心应该注意的潜在指标摘要：指标默认/不一致地使用美式拼写、货币、术语和其他本地化内容默认使用可能不适合资格水平的语言或词汇*缺少直接引用和/或使用需要/期望的参考文献~包含无法找到或验证的参考文献缺少对某个日期之后发生的事件的参考文献不正确/不一致地使用第一人称和第三人称视角的情况语言风格、质量和复杂性存在差异缺少通常需要的图表/数据表/视觉辅助工具缺乏特定的本地或主题知识学习者无意中包含人工智能制作的警告或附文在整个文本中不寻常地使用几个结论性陈述，或在一篇冗长的文章中多次重复一个总体文章结构在其他有凝聚力的内容中包含强烈陈述的非连续性或肯定错误的陈述过于冗长或夸张的语言可能不符合学习者的风格 文本主体/标题/等的格式不一致（请注意，这些内容与我们的 Navigating AI for Assessment: VQ Guidance (International & Higher Education) 文档共享）
视觉科学数字孪生研究年度回顾，用于逆向工程视觉智能的起源
大脑中的核心学习算法是什么？本土主义者认为，智力源自先天的领域特定知识系统，而经验主义者认为，智力源自从经验中学习领域特定知识的领域通用系统。我们通过回顾旨在逆向工程新生儿大脑学习算法的数字孪生研究来解决这一争论。在数字孪生研究中，新生动物和人工智能体在相同的环境中长大，并用相同的任务进行测试，从而可以直接比较它们的学习能力。支持经验主义的数字孪生研究表明，领域通用算法在以新生动物的第一人称视觉体验进行训练时，会学习类似动物的物体感知。支持本土主义的数字孪生研究表明，领域通用算法在以产前经验（视网膜波）进行训练时会产生先天的领域特定知识。我们认为，人类、动物和机器之间的学习可以用一个普遍的原则来解释，我们称之为时空拟合。时空拟合解释了经验主义和本土主义现象，为理解智力的起源提供了一个统一的框架。
2024 年 6 月 11 日 理事会报告编号：186/24
模型飞机和无人机的使用受民航安全局 (CASA) 法律的约束，依据 1998 年民航安全条例 (CASR1998)。完整详情可在民航安全局 (CASA) 网站上找到 - 针对任何出于娱乐或教育目的而飞行模型飞机或无人机的人的新建议 | 民航安全局 (casa.gov.au)。CASA 规则包括：• 仅在日间目视气象条件 (VMC) 下在视线范围内飞行。这意味着： o 不得在夜间飞行 o 不得在云层或雾中飞行 o 始终能够用自己的眼睛看到飞机（而不是通过第一人称视角 (FPV)，除非您按照经批准的模型飞行协会的程序操作） o 飞行距离车辆、船只、建筑物或人员不得少于 30 米。 o 不得飞越任何人口密集的地区，例如海滩、其他人的后院、人口密集的公园或正在进行比赛的运动场 o 飞行高度不得超过地面 400 英尺（120 米） o 飞行方式不得对其他飞机造成危险 o 与机场、飞机场和直升机着陆点保持至少 5.5 公里的距离。CASA 是执法机构，但是，在出现重大威胁/危险或可察觉的对人员或飞机的威胁时，南澳大利亚州警方会进行干预。
人工智能生成语言的人类启发法存在缺陷
人类交流越来越多地与人工智能生成的语言混合在一起。在聊天、电子邮件和社交媒体中，人工智能系统可以生成智能回复、自动完成和翻译。人工智能生成的语言通常不会被识别为人类语言，而是冒充人类语言，这引发了人们对新型欺骗和操纵形式的担忧。在这里，我们研究人类如何辨别最个人化和最重要的语言形式之一——自我呈现——是否由人工智能生成。在六项实验中，参与者（N = 4,600）试图检测由最先进的语言模型生成的自我呈现。在专业、酒店和约会环境中，我们发现人类无法检测人工智能生成的自我呈现。我们的研究结果表明，人类对人工智能生成语言的判断受到直觉但有缺陷的启发式方法的限制，例如将第一人称代词、自发措辞或家庭话题与人性联系起来。我们证明这些启发式方法使人类对生成语言的判断变得可预测和可操纵，从而使人工智能系统能够生成被认为比人类更人性化的语言。我们讨论了诸如 AI 口音之类的解决方案，以减少生成语言的欺骗潜力，限制对人类直觉的颠覆。
Pilot-1：自主固定翼飞机控制系统
在过去十年中，美国和世界各地的无人机个人拥有量呈爆炸式增长。集成电路、传感器和嵌入式微控制器的尺寸和成本迅速下降，导致业余爱好者社区蓬勃发展，他们设计飞行控制器的复杂程度接近政府和军事应用的水平。典型的飞行辅助控制器集成了来自用户控制系统和惯性测量单元 (IMU) 的数据，以保持飞行器水平和航向。旋翼和固定翼系统的飞行控制技术主要源自无线电控制 (RC) 业余行业，通常由社区构建和开源。虽然这导致快速开发和易于修改，但质量通常会受到影响。由于社区不是专业人士社区，最佳编码实践经常被遗忘，导致意外故障。这种飞行控制系统不适合集成到美国领空，因为它们容易发生故障，并且无法缓解飞行控制面的故障。固定翼系统也可以在没有机载飞行控制器或自动驾驶仪的情况下进行控制，只需一个简单的摄像头下行链路和直接控制面控制即可满足大多数第一人称视频 (FPV) 需求。这给此类控制器的市场留下了一个空白，所有产品都缺乏冗余和故障缓解等专业功能。我们的项目
阿尔托大学民用无人机系统需求...
ACAS 机载防撞系统 AMC 公认的合规方法 CAA 民航局 CAP722 民航出版物 722 CBRN 化学、生物、放射和核 COA 豁免或授权证书 CR 通信中继 E/O 电光 EASA 欧洲航空安全局 EIRP 等效全向辐射功率 ELOS 等效安全等级 ERP 等效辐射功率 EUROCAE 欧洲民航设备组织 FAA 联邦航空管理局 FINNARP 芬兰南极研究计划 FMI 芬兰气象研究所 FPV 第一人称视角 FSS 固定卫星服务 FTS 飞行终止系统 GCS 地面控制站 GPS 全球定位系统 GTK 芬兰地质调查局 HALE 高空长航时 HSDPA 高速下行分组接入 ICAO 国际民航组织 IMU 惯性测量单元 LALE 低空长航时 LOS 视距 MALE 中空长航时 MASPS 最低航空系统性能标准 Metla 芬兰森林研究所 MI 气象仪器 MRU 移动接收装置 MSS 移动卫星服务 NATO 北大西洋公约组织 R/C 遥控 RS 遥感 RVT 远程视频终端 SAC 特殊适航证 SAR 合成孔径雷达 STANAG 标准化协议 STUK 芬兰核与辐射安全局 SUMO 小型无人气象观测机 SYK
人机游戏中的人工智能：技术、挑战和机遇
摘要：随着 AlphaGo 的突破，人机博弈人工智能迎来了大爆发，吸引了世界各地越来越多研究者的关注。作为检验人工智能的公认标准，各种人机博弈人工智能系统（AI）相继问世，如 Libratus、OpenAI Five 以及击败人类专业选手的 AlphaStar。人机博弈人工智能的快速发展标志着决策智能迈出了一大步，目前的技术似乎可以处理非常复杂的人机博弈。因此，一个自然而然的问题出现了：当前人机博弈技术可能面临哪些挑战，未来的趋势又是什么？为了回答上述问题，本文对近期成功的游戏 AI 进行了综述，涵盖了棋盘游戏 AI、纸牌游戏 AI、第一人称射击游戏 AI 和实时战略游戏 AI。通过本次综述，我们 1）比较不同类型游戏的主要难点以及实现专业人类水平 AI 的相应技术； 2）总结开发复杂人机博弈人工智能时可以适当依赖的主流框架和技术；3）提出成功人工智能中现有技术的挑战或缺点；4）尝试指出人机博弈人工智能的未来趋势。最后，我们希望这篇简短的评论可以为初学者提供入门知识，并为人机博弈人工智能领域的研究人员提供启发。
基于 VR 的运动想象和观察任务激活大脑：一项 fMRI 研究
在脑卒中后康复策略中，训练运动想象 (MI) 和运动观察 (MO) 任务正被广泛利用来促进大脑可塑性。这可能得益于使用闭环神经反馈，嵌入脑机接口 (BCI) 以提供替代的非肌肉通道，该通道可通过虚拟现实 (VR) 传递的具体反馈进一步增强。在这里，我们在一组健康成年人中使用功能性磁共振成像 (fMRI) 来绘制由基于 VR-BCI 范式的生态有效任务 NeuRow 引起的大脑激活，参与者用左臂或右臂进行划船的 MI（即 MI），同时以第一人称视角观察同一侧化身的虚拟手臂的相应运动（即 MO）。我们发现，与基于 Graz BCI 范式的传统 MI 任务以及明显的运动执行任务相比，此 MI-MO 任务引发了更强的大脑激活。它除了激活躯体运动和运动前皮质外，还激活了大部分顶叶和枕叶皮质，包括与动作观察相关的镜像神经元系统 (MNS)，以及与视觉注意力和运动处理相关的视觉区域。总体而言，我们的研究结果表明，生态有效的 MI-MO 任务中手臂的虚拟表示比传统的 MI 任务更能激发大脑的参与，我们建议可以探索更有效的神经康复方案。