XiaoMi-AI文件搜索系统
World File Search System驾驶飞机
德国飞行员 Hans Fey 就作战情况汇报的总结...
（80 架喷气式飞机）是他的功劳。费伊等待机会已久，而这个机会的到来源于两个因素：首先，他父母的家乡，靠近拉亨斯派尔多夫，终于落入美国人手中；其次，22 架在施瓦本哈尔面临被俘危险的新喷气式飞机被命令飞往诺伊堡和多瑙河畔。当他的家人不再需要担心他的行为遭到报复时，当 1945 年 3 月 30 日接到命令从诺伊堡前往施瓦本哈尔帮助运走濒临灭绝的喷气式飞机时，费伊看到了机会。他将驾驶飞机从施瓦本哈尔飞往拉亨斯派尔多夫而不是诺伊堡，将其交给美国人，然后和他的父母团聚。费伊的这方面说法已经得到核实，据悉，他去年圣诞节和 1 月都曾将此事告知家人。而他们也曾告诫美国当局要提高警惕。
民航出版物 CAP 08 证书...
缩写列表 AD 适航指令 AMOC：替代合规方式 ANAC 巴西国家民航局 APU：辅助动力装置 ARC：适航审查证书 AWO：全天候运行 CPDLC：管制员/飞行员数据链通信 CVR：驾驶舱语音记录器 C of A：适航证书 DTA：损伤容限分析 EFB：电子飞行包 ELT 紧急定位发射器 EVS：增强视景系统 FDR：飞行数据记录器 HUD：平视显示器 ELT 紧急定位发射器 LOPA：乘客舱布局 MEL：最低设备清单 MCM：维护控制手册 MMEL：主最低设备清单 MRI：维护要求项目（如 CMR、适航限制项目等） NAA：国家航空局 RPA 遥控驾驶飞机 RPAS 遥控驾驶飞机系统 RPS 遥控驾驶站 SB：服务通告 SRM：结构修理手册 STC：补充型号合格证 TCDS：型号合格证数据表
德国飞行员 Hans Fey 就作战情况汇报的总结...
（80 架喷气式飞机）是他的功劳。费伊等待机会已久，而这个机会的到来源于两个因素：首先，他父母的家乡，靠近拉亨斯派尔多夫，终于落入美国人手中；其次，22 架在施瓦本哈尔面临被俘危险的新喷气式飞机被命令飞往诺伊堡和多瑙河畔。当他的家人不再需要担心他的行为遭到报复时，当 1945 年 3 月 30 日接到命令从诺伊堡前往施瓦本哈尔帮助运走濒临灭绝的喷气式飞机时，费伊看到了机会。他将驾驶飞机从施瓦本哈尔飞往拉亨斯派尔多夫而不是诺伊堡，将其交给美国人，然后和他的父母团聚。费伊的这方面说法已经得到核实，据悉，他去年圣诞节和 1 月都曾将此事告知家人。而他们也曾告诫美国当局要提高警惕。
METCALF奖摘要论文
Spyros Kasapis在希腊塞萨洛尼基出生和长大。他17岁时移居美国，并在伍斯特理工学院完成了航空工程学士和硕士学位，他专注于控制和自动驾驶飞机路径计划。他搬到了安阿伯（Ann Arbor），获得了海军建筑和海洋工程学的第二大硕士学位，以及他的博士学位，该学位专注于视觉识别的机器学习应用。他曾在NASA Goddard太空飞行中心担任实习生，在那里他使用SDO卫星数据帮助了Van Allen辐射带的特征，同时还是NASA JPL 2022 Planetary Science Science Summer Schoom Schoom School Cohort的成员，在那里他从事Gelatto小星际小行星小行星小行星样本返回任务建议。他目前是NASA AMES研究中心的博士后研究员。他的研究兴趣包括使用机器学习来检测太阳能区域的出现和SEP预测。
双被动反应脑机接口 - bioRxiv
本研究提出了一种新的神经自适应技术概念，即双被动-反应脑机接口 (BCI)，可实现人机之间的双向交互。我们已经在逼真的飞行模拟器中实现了这样一个系统，使用 NextMind 分类算法和框架来解码飞行员的意图 (反应性 BCI) 并推断他们的注意力水平 (被动 BCI)。12 名飞行员使用反应性 BCI 执行检查表以及由被动 BCI 监督的防撞雷达监控任务。当后者检测到飞行员错过了即将到来的碰撞时，它会模拟自动避让动作。反应性 BCI 达到 100% 的分类准确率，平均反应时间为 1 。专门执行检查表任务时为 6 秒。准确率高达 98 。5% ，平均反应时间为 2 。5 秒，飞行员还必须驾驶飞机并监视防撞雷达。被动 BCI 的 F 1 − 得分为 0 。94 。首次演示展示了双 BCI 改善人机协作的潜力，可应用于各种应用。
飞机制造商应用程序手册
与所有 X-Plane 文档一样，本手册根据 Creative Commons Attribution-ShareAlike 2.5 许可证发布。这意味着您可以自由复制、共享和改编作品，只要您给予 Laminar Research（X-Plane 的创建者）信用并根据类似的许可证发布您的作品即可。在整个手册中，我们使用了来自 Wikimedia Commons 的图像，这是一个包含约 800 万个可免费使用的媒体文件的数据库。我们注明的图片创作者并不认可 Laminar Research（X-Plane 的创建者）或手册本身。相反，他们根据 Creative Commons 许可证发布了这些图片，允许任何人使用这些照片，只要他们遵守适用的许可证。在大多数情况下，本手册假定读者具备 X-Plane 用户界面的基本知识 - 特别是，假定读者了解如何打开和驾驶飞机。使用本手册的最佳方式取决于您需要从中获取什么。如果您已经是 Plane Maker 的大师，那么保留本文档以供参考可能是明智的。如果您将本手册作为创建第一架飞机的完整指南，则按以下顺序阅读可能是明智的：
双被动反应脑机接口
本研究提出了一种新的神经自适应技术概念，即双被动-反应脑机接口 (BCI)，可实现人与机器之间的双向交互。我们在逼真的飞行模拟器中实现了这样一个系统，使用 NextMind 分类算法和框架来解码飞行员的意图（反应性 BCI）并推断他们的注意力水平（被动 BCI）。12 名飞行员使用反应性 BCI 执行检查单以及由被动 BCI 监督的防撞雷达监控任务。当后者检测到飞行员没有遇到即将到来的碰撞时，它会模拟自动避让动作。当仅执行检查单任务时，反应性 BCI 的分类准确率达到 100%，平均反应时间为 1.6 秒。当飞行员还必须驾驶飞机并监控防撞雷达时，准确率高达 98.5%，平均反应时间为 2.5 秒。被动 BCI 的 F 1 − 得分为 0.94。首次演示展示了双 BCI 改善人机协作的潜力，可应用于各种应用。
预防反社会机器人：通往人工智能同理心的途径
人工智能中的一致、情感和同理心 人工智能 (AI) 为我们推荐产品；组织媒体；驾驶飞机、火车和汽车；诊断疾病；为保险定价；回答消费者的问题；照顾老年人；提供治疗；并且日益主宰制造业、战争和股票市场。这一变化正以越来越快的速度发生 (1)。这些人工系统的行为并不总是符合人类的期望或判断。人工智能找到违反直觉的解决方案的能力可能会导致灾难性的漏洞。人工智能可能无法模拟其行为的影响和后果 (2)，即“框架问题”。人们通常很难辨别人工智能是如何“解决”问题的，并且随着问题的规模和复杂性的增加，向人类直观地传达解决方案（可解释的人工智能，XAI）的难度也会增加 (3)。人工智能的目标和行为最好与其创造者的目标和行为保持一致（4、5）。当代研究一致性问题的研究人员强调，需要体现伤害和福祉等价值观（也称为价值规范），并避免过大的副作用和负面激励（也称为容错性）（2）。然而，目前的技术解决方案很少（2、5）。
机组人员和除冰人员 | 安全第一 | 空中客车
飞行员将得到天气简报，地勤人员通常可以提供局部短暂变化的详细信息，这对飞行员来说很有用。在这里机组人员和地面除冰小组聚在一起。飞行机组驾驶飞机滑行到除冰盘上的位置，除冰车辆驶向飞机。如有必要，根据飞行员的要求和当时的天气情况为飞机除冰和防冰。地面除冰小组应包括一名管制员（除冰协调员）、相应数量的车辆驾驶员和除冰枪操作员以及一名除冰检查员。必须始终有一名地面除冰检查员（该检查员应具有当地资格并符合国家和国际标准）向飞行员确认除冰已有效并且飞机在移至飞行区之前没有携带污染物。在大多数情况下，首选的确认方法是“触觉测试”——或者基本上，除冰检查员将用裸露的手指触摸飞机机翼表面（图 1）。这可能仍然是确认机翼没有污染（尤其是透明冰）的唯一可靠方法（图 2）。
自主的自动实时异常检测...
摘要 — 近期飞行器使用量的增加引发了人们对自主操作安全性和可靠性的担忧。人们越来越需要方法来监控这些飞机的状态并向安全飞行员或自动驾驶仪报告任何故障和异常以应对紧急情况。在本文中，我们提出了一种使用递归最小二乘法实时检测飞机行为异常的方法。该方法在线建模相关输入输出对之间的关系，并使用该模型检测异常。结果是一种易于部署的异常检测方法，它不假设特定的飞机模型，并且可以检测各种自主飞机中的多种类型的故障和异常。对该方法的实验表明准确率为 88 。23%，召回率为 88 。23% 和 86 。超过 22 次飞行测试的准确率为 36%。另一项贡献是为自动驾驶飞机提供了一个新的故障检测开放数据集，其中包含 22 次固定翼飞行的完整数据和地面实况，其中包括 8 种不同类型的飞行中执行器故障，以帮助未来飞机故障检测研究。