XiaoMi-AI文件搜索系统
World File Search System跟踪的
kurl：主动对象跟踪的知识引导增强学习模型
最近的研究表明，基于深层执行学习的主动对象跟踪算法具有模型训练的困难，同时实现了有利的跟踪结果。此外，当前的活动对象跟踪方法不适合在高空环境中（例如空气搜索和重新设置）中的空对地面对象跟踪方案。因此，我们提出了一种用于主动对象跟踪的知识引导的增强学习（KURL）模型，其中包括两个嵌入式知识引导的模型（即国家识别模型和世界模型），以及增强学习模式。状态识别模型利用观察到的状态与图像质量（通过对象识别概率衡量）之间的相关性作为先验知识来指导强化学习算法以提高观察到的图像质量。增强学习模块会积极控制Pan-Tilt-Zoom（PTZ）相机以实现稳定的跟踪。此外，还提出了一种世界模型来代替用于模型训练的传统虚幻引擎（UE）模拟器，从而大大提高了训练效率（大约十次）。结果表明，与类似任务中的其他方法相比，KURL模型可以显着提高跟踪的图像质量，稳定性和鲁棒性。关键字：活动对象跟踪；强化学习；知识引导； PTZ摄像机；自动控制。
用于实时工具跟踪的混合跟踪模块，用于自主外观
摘要 - 镜头已成为微管外科领域中有希望的视觉解决方案。但是，手动重新定位构成了挑战，导致中断破坏了手术流。因此，出现了对免提外观控制控制的需求。本文介绍了一种基于位置的视觉控制控制方法，包括检测模块，混合跟踪模块和一个控制模块，该模块调整了机器人摄像头持有器以遵循外科手术工具。集成了混合模块，以跟踪和预测外科手术工具的未来位置，以最大程度地减少系统延迟。所提出的系统由带有眼睛的立体声相机的7度机器人操纵器组成。使用跟踪误差和中心误差指标评估了三种替代方法（卷积神经网络，粒子滤波器-PF，光流 - OF）的比较分析。结果显示，平均误差为9。84±0。08毫米缓慢运动（2。5 cm/s）和13。11±0。 39毫米快速运动（4 cm/s）。 最后，进行了一项用户研究，以调查所提出的系统是否有效地减少了用户的工作量与相机的手动重新定位相比。11±0。39毫米快速运动（4 cm/s）。最后，进行了一项用户研究，以调查所提出的系统是否有效地减少了用户的工作量与相机的手动重新定位相比。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测的系统识别和 LQR 控制器设计
摘要：本文介绍了一种当并非所有状态都可用时，针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
在混乱环境中基于激光雷达的空中跟踪的分散群轨迹生成
摘要 - 具有多个无人机（UAV）的航空跟踪在各种应用中具有广泛的潜力。但是，现有的群追踪作品通常缺乏在混乱环境中保持高目标可见性的能力。为了解决这种缺陷，我们提出了一个分散的计划者，该计划者可以最大化目标可见性，同时确保无碰撞的动作进行群体跟踪。在本文中，首先通过分散的动力学搜索前端对每个无人机的跟踪性能进行了分析，该搜索为初始化安全的飞行走廊和可见扇区提供了最佳的指导路径。之后，满足走廊约束的多项式轨迹是由空间 - 周期性优化器产生的。车间碰撞和避免阻塞也被纳入优化目标。通过与其他尖端作品进行广泛的基准比较来验证我们方法的范围。与基于自主激光雷达的群体系统集成在一起，提出的计划者在现实世界中展示了其效率和鲁棒性，这些实验杂乱无章。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
使用头戴式显示器的自修复神经模型进行电磁头部跟踪的数据预测
摘要：在航空电子设备中，飞行员使用头盔显示器 (HMD) 在护目镜上显示外部环境的同步视图和与飞机相关的重要参数。为了完美同步护目镜上的视图，必须同步外部环境的坐标以及飞行员头部运动的坐标。为了确定飞行员头部运动的坐标，称为头部跟踪的过程起着重要作用。头部跟踪可以使用不同的跟踪技术来执行，例如光学跟踪、磁跟踪或惯性跟踪。在本文中，六自由度 (6-DoF) 磁运动跟踪装置 (Polhemus Patriot TM ) 用于在模拟器床上实时获取飞行员头部运动的坐标。在跟踪器获取过程中，由于铁磁性引起的磁场干扰，数据可能会丢失。为此，我们采用自修复神经模型 (SHNM) 来预测缺失数据。用于恢复的数据有 5200 个头部运动的 6-DoF 样本。SHNM 可实现超过 85% 的准确率来预测三组不同的缺失数据。将所提模型预测数据的准确率与反向传播神经网络 (BPNN) 模型进行了比较，结果发现 SHNM 模型的准确率优于 BPNN 模型
粪便指标的多样性在不同宿主之间肠球菌：对水污染源跟踪的重要性
摘要：肠球菌spp。是动物肠道中存在的常见细菌，并用作水生环境中的粪便指标。另一方面，肠球菌也称为机会性病原体。阐明其在家畜的肠道中的组成可以帮助估计水生环境中粪便污染的来源。然而，仍然缺乏有关动物宿主中肠球菌物种和组成的信息（人类除外）。在这项研究中，使用选择性培养基从牛，猪，鸟类和人类的粪便中分离出肠球菌。使用质谱技术鉴定肠球菌物种，每个宿主的特征都以多样性和聚类分析为特征。最主要的物种是牛中的海埃拉，鸟类中的粪肠球菌和猪和人类的粪肠球菌。牛的α多样性最高，个体间和牲畜的多样性高。猪和人类中的主要肠球菌物种是相同的，聚类分析表明，两个宿主物种中的大多数聚集在一起。