XiaoMi-AI文件搜索系统
World File Search System飞行
展示从没有状态估计的像素飞行的敏捷飞行
摘要 - 次数是最敏捷的飞行机器人之一。尽管在基于学习的控制和计算机视觉方面取得了进步，但自动无人机仍然依赖于明确的状态估计。另一方面，人类飞行员仅依靠从板载摄像头的第一人称视频流将平台推向极限，并在看不见的环境中坚固地飞行。据我们所知，我们提出了第一个基于视觉的四摩托系统，该系统自动浏览高速的一系列门，而直接映射像素以控制命令。像专业的无人机赛车飞行员一样，我们的系统不使用明确的状态估计，并利用人类使用的相同控制命令（集体推力和身体速率）。我们以高达40 km/h的速度展示敏捷飞行，加速度高达2 g。这是通过强化学习（RL）的基于识别的政策来实现的。使用不对称的参与者批评，可以促进培训，并获得特权信息。为了克服基于图像的RL训练期间的计算复杂性，我们将门的内边缘用作传感器抽象。可以在训练过程中模拟这种简单但坚固的与任务相关的表示，而无需渲染图像。在部署过程中，使用基于Swin-Transformer的门检测器。我们的方法可实现具有标准，现成的硬件的自动敏捷飞行。尽管我们的演示侧重于无人机赛车，但我们认为我们的方法超出了无人机赛车的影响，可以作为对结构化环境中现实世界应用的未来研究的基础。
基于实时设计强大的四轴飞行器软件...
摘要。目前，制造可靠的无人机（无人机）是科学和技术的一项重要任务，因为此类设备在数字经济和现代生活中有很多用例，所以我们需要确保它们的可靠性。在本文中，我们建议用低成本组件组装四轴飞行器以获得硬件原型，并使用现有的开源软件解决方案开发具有高可靠性要求的飞行控制器软件解决方案，该解决方案将满足航空电子软件标准。我们将结果用作教学课程“操作系统组件”和“软件验证”的模型。在研究中，我们分析了四轴飞行器及其飞行控制器的结构，并提出了一种自组装解决方案。我们将 Ardupilot 描述为无人机的开源软件、适当的 APM 控制器和 PID 控制方法。当今航空电子飞行控制器可靠软件的标准是实时分区操作系统，该系统能够以预期的速度响应来自设备的事件，并在隔离分区之间共享处理器时间和内存。此类操作系统的一个很好的例子是开源 POK（分区操作内核）。在其存储库中，它包含一个四轴飞行器系统的示例设计，使用 AADL 语言对其硬件和软件进行建模。我们将这种技术与模型驱动工程应用于在真实硬件上运行的演示系统，该系统包含一个以 PID 控制作为分区过程的飞行管理过程。使用分区操作系统将飞行系统软件的可靠性提升到了一个新的水平。为了提高控制逻辑的正确性，我们建议使用形式验证方法。我们还提供了使用演绎方法在代码级别以及使用微分动态逻辑在信息物理系统级别验证属性的示例，以证明稳定性。
第 10A 章 结构飞行试验手册
本手册旨在提供结构飞行测试领域所涵盖的众多学科的“粗略”概述。它提供了新工程师在尽可能短的时间内投入工作所需的基本知识和介绍。它假设至少具备本科工程概念的知识。每个领域都提供了基本假设、适用的标准和法规、常见的测试方法、经验法则和示例。开发或方程式被最小化，并为那些需要更全面地理解支持数学的人提供现成的文本或手册的具体参考。本手册并非教科书，因此补充阅读应该成为结构工程师的正常做法。提供了一个全面的索引以供快速参考，每章都包含该章的术语列表。我们已尝试使手册比教科书更具可读性。
支持飞行测试的模拟 - DTIC
飞行测试仍然是飞机开发或改装过程中必不可少的一步。现代固定翼飞机是高度复杂的系统，推动着空气动力学、推进和控制系统技术的发展。其中许多技术相互集成且相互依赖。当然，从 F-22 到 EF2000 的现代军用飞机推动着飞机可内置功能的极限。空中客车的 A3 10 和波音的 777 等商用运输机采用了许多最初用于军用飞机的飞机先进技术。飞机的复杂性不断增加，给参与这些飞行器飞行测试的人员带来了新的挑战。40 多年来，模拟在飞行测试中发挥了关键作用。随着飞机的复杂性不断提高，模拟的作用也不断增强。每个主要的飞机开发商，无论是商用还是军用，都在一定程度上依赖于模拟的使用。将这些模拟应用于飞行测试是飞机开发的一个重要方面。每年，世界各地都会举办数十场研讨会和会议，讨论模拟及其用途。随着计算机技术继续以加速的速度发展，模拟领域也随之不断扩大。不幸的是，很少有文字记录如何有效地使用模拟来支持飞行测试。
智能飞行控制系统 - CORE
莱特兄弟中的一位讲述了自己对抗阵风的亲身经历，他写道：“利用自动机器克服这些干扰的问题吸引了许多聪明才智的注意力，但对我和我兄弟来说，完全依靠智能控制似乎更可取”[1, 2]。莱特兄弟的驾驶行为依赖于对视觉和惯性线索的正确解读，展现了生物智能控制。过去，人类飞行员通过手动灵活性、知情规划和任务协调来驾驶飞机。随着飞机特性和技术的发展，飞机操作越来越依赖于机电传感器、计算机和执行器。面板显示器增强了决策能力，稳定性增强系统提高了飞行质量，制导逻辑将机器智能带到了现代飞机大部分任务中“无人值守”飞行的地步。
tcl-net：具有频率域融合和多角度注意的轻巧有效的飞行网络
摘要。朦胧的图像带来了一个具有挑战性的问题，由于信息丢失和颜色失真而遭受。当前的基于深度学习的去悬式方法通过增加网络深度来增强性能，但会导致大量参数开销。同时，标准卷积层集中在低频细节上，通常会说出高频信息，这阻碍了模糊图像中提出的先前信息的有效利用。在本文中，我们提出了TCL-NET，这是一个轻巧的飞行网络，该网络强调了频域特征。我们的网络首先包含一个用于提取高频和低频内形式的所谓层，该层是针对原始模糊图像的快速变压器专门设计的。同时，我们设计了一个频率域信息融合模块，该模块将高频和低频信息与后续卷积层的卷积网络作品集成在一起。此外，为了更好地利用原始图像的空间信息，我们引入了一个多角度注意模块。使用上述设计，我们的网络以仅0.48MB的总参数大小实现了出色的性能，与其他最先进的轻量级网络相比，参数的数量级降低了。
实习飞行软件、计算机视觉和人工智能 瑞士苏黎世 公司：Daedalean 是一家总部位于苏黎世的初创公司，由前谷歌和 SpaceX 工程师创立，他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术，为飞机开发最高级别的自主性（5 级），特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习，您将有机会与经验丰富的工程师一起工作，他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是，我们还提供在瑞士阿尔卑斯山试飞期间与我们的飞行员一起飞行的机会。项目：不同的团队都提供机会。我们希望更多地了解您，以及我们如何让您的实习成为双方宝贵的经历。告诉我们您一直在做什么，以及您想在我们的团队中从事什么工作。它与深度学习有关吗？状态估计？运动规划？计算机视觉？或者其他什么？向我们展示您的热情所在。如果我们可以在您想要从事的领域提供指导和有趣的机会，我们将一起敲定细节。资格：强大的动手 C++ 经过验证的解决问题的能力如何申请：将您的简历/履历发送至 careers@daedalean.ai 。电话
实习飞行软件、计算机视觉和人工智能瑞士苏黎世公司：Daedalean 是一家总部位于苏黎世的初创公司，由前谷歌和 SpaceX 工程师创立，他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术，为飞机开发最高级别的自主性（5 级），特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习，您将有机会与经验丰富的工程师一起工作，他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是，我们还提供在瑞士阿尔卑斯山试飞期间加入我们飞行员的机会。项目：不同团队提供机会。我们想更多地了解您，以及如何让您的实习成为双方宝贵的经历。告诉我们你一直在做什么，以及你想在我们的团队中从事什么工作。它与深度学习有关吗？状态估计？运动规划？计算机视觉？或者别的什么？向我们展示你的热情所在。如果我们可以在你想从事的领域提供指导和有趣的机会，我们将一起敲定细节。资格： 强大的动手 C++ 证明解决问题的能力 如何申请： 将您的简历/履历发送至 careers@daedalean.ai 。请告诉我们一些关于您自己的信息，为什么您认为自己适合我们以及为什么我们适合您。
直升机和无人机之间的飞行互操作性测试验证
这些测试证明了操作员能够从很远距离的直升机上控制一架或多架无人机。此次飞行演示于 2024 年 10 月 9 日在欧盟委员会代表的出席下进行，可以测试不断提高的互操作性水平，直至距离 1,000 公里的另一个国家的直升机控制一个国家的无人机及其观察系统。