XiaoMi-AI文件搜索系统
World File Search SystemASV
Team Inspration 2025 Roboboat的设计...
摘要 - 团队灵感从Roboboat 2024，Robosub 2024和Robotx 2024中汲取了教训，将我们的自主地面车辆（ASV），Barco Polo升级为2.0版。我们通过显着改善了我们的软件并安装新的壁球发射器和水枪，提高了Barco Polo的性能和可靠性，从而使尝试所有任务的能力。团队计划通过融合不同的全球导航卫星系统（GNSS）和一个具有深度感知的立体摄像头来完成使用同时本地化和映射（SLAM）的所有任务。我们还组织了电气系统，以解决测试期间观察到的电气连接的不稳定性。有条不紊的测试策略，包括单位测试，测试计划和状态会议，简化了开发过程，使远程成员能够与当地队友有效合作。设计审查，连续集成以及通过系统工程和敏捷过程的迭代反馈使团队能够快速失败并及时改善子系统。
未经车辆系统国际的协会
感谢您有机会今天就国家海事基础设施的关键话题作证。我的名字叫汤姆·雷诺兹（Tom Reynolds），我是SeaSats的首席战略官，也是未经车辆系统国际汽车系统（AUVSI）协会的董事会主任。seasats建造并运营高耐用的，用户友好的自动型表面车辆（ASV），以收集用于国防，研究和商业客户的数据。我今天代表世界上最大的非营利组织Auvsi作证，致力于促进未蛋的系统，自治和机器人技术的发展。除了在AUVSI董事会任职外，我还是该协会海事倡导委员会（MAC）的创始人，该委员会代表了机器人和自主系统（RAS）海事领域的60（60）家公司。AUVSI代表了各种各样的利益相关者，包括制造商，运营商和政策制定者，致力于整合空中，土地和海上域名，我很荣幸坐在他们的董事会上。
未经车辆系统国际的协会
感谢您有机会今天就国家海事基础设施的关键话题作证。我的名字叫汤姆·雷诺兹（Tom Reynolds），我是SeaSats的首席战略官，也是未经车辆系统国际汽车系统（AUVSI）协会的董事会主任。seasats建造并运营高耐用的，用户友好的自动型表面车辆（ASV），以收集用于国防，研究和商业客户的数据。我今天代表世界上最大的非营利组织Auvsi作证，致力于促进未蛋的系统，自治和机器人技术的发展。除了在AUVSI董事会任职外，我还是该协会海事倡导委员会（MAC）的创始人，该委员会代表了机器人和自主系统（RAS）海事领域的60（60）家公司。AUVSI代表了各种各样的利益相关者，包括制造商，运营商和政策制定者，致力于整合空中，土地和海上域名，我很荣幸坐在他们的董事会上。
基于说话人识别的AI语音识别服务网络威胁分析
自动语音识别（ASR）是将人类的语音分析为语音信号，然后自动将其转换为人类可以理解的字符串的技术。语音识别技术已经从识别单个单词的初级水平发展到识别由多个单词组成的句子的高级水平。在实时语音对话中，高识别率提高了自然信息传递的便利性，扩大了基于语音的应用范围。另一方面，随着语音识别技术的积极应用，对相关网络攻击和威胁的担忧也日益增加。根据现有的研究，对技术开发本身的研究正在积极进行，例如自动说话人验证（ASV）技术的设计、准确率的提高等。但是，对攻击和威胁的深入和种类的分析研究并不多。在本研究中，我们针对配备自动识别技术的AI语音识别服务，提出了一种通过简单操纵语音频率和语音速度来绕过语音认证的网络攻击模型，并通过在商用智能手机的自动识别系统上进行大量实验来分析网络威胁。以此，我们旨在告知相关网络威胁的严重性，并提高对有效对策研究的兴趣。
使用粪便DNA metabarcoding
表和图表的列表表1：本研究中使用的麻雀粪便样品数量。原始计数是从每个站点收集的粪便样本数量。每个麻雀物种的数量是通过现场通过质量控制的样品数量。过滤计数是完整数据集中每个站点的粪便样本的最终数。图1：通过读取深度在每个麻雀粪便样品中观察到的ASV的丰富度的稀疏曲线。图2：观察到的ASV丰富度的稀疏曲线，用于总读数少于2,000的粪便样品。图3：用于比较羊膜麻雀的同胞和同种异体饮食的地点。同种异体位点被鉴定为一个主要物种，而两种物种相似的位点被分类为这些物种的同胞。仅显示收集弹药样品的位置。图4：发生的频率或存在猎物分类子的粪便样品百分比，在六种麻雀种类的班级水平上。图5：六种潮汐沼泽麻雀物种饮食中猎物类别的发生百分比。发生的百分比表示每个物种的每个猎物分类群中所有发生的粪便样品中所有发生的百分比。麻雀物种按降低盐沼泽的顺序排列：海边麻雀（SESP），盐玛斯麻雀（萨尔斯），尼尔森的麻雀（NESP），沼泽麻雀（SWSP），Song Sparrow（SOSP）和Savannah Sparrow（Savannah Sparrow（Savs）。仅显示了12个最常见的订单。图6：猎物分类群的平均相对阅读丰度（RRA）在班级六种潮汐沼泽麻雀的饮食中。rra表示每个粪便样品中猎物分类读的百分比，在每个物种的所有样品中平均。麻雀物种按降低盐沼泽的顺序排列：海边麻雀（SESP），盐玛斯麻雀（萨尔斯），尼尔森的麻雀（NESP），沼泽麻雀（SWSP），Song Sparrow（SOSP）和Savannah Sparrow（Savannah Sparrow（Savs）。图7：出现的频率，或存在猎物分类子的粪便样品百分比，在所有六种麻雀种类的订单水平上。
宿主系统发育和功能性状分化了小型哺乳动物自然界的肠道微生物
fi g u r e 1小型哺乳动物社区系统发育和肠道微生物组组成。（a）14种的系统发育包括三个分类顺序：啮齿动物（啮齿动物；灰色的亚家族名称），lagomorpha（Hares）和Macroscelidea（Elephant Shrew）。节点上的数字代表Bootstrap支持值，大象sh作为适当的外群。节点上的灰色文本代表啮齿动物中相关的家族，亚家族和部落级进化枝，并表明系统发育代表了我们在这些分类群中及之内对进化关系的最佳当前知识。为了可视化整个系统发育的身体大小分布，我们使用了phytools在R. phytools中实现的最大似然祖先重建方法。微生物组样本量显示在括号中的尖端。（b）微生物组的多样性显示为每个样品±标准偏差的平均ASV数量。（c）堆叠的条形图显示了所有样品中六个细菌门的相对读取丰度（RRA）；灰色显示了代表<5％RRA的19个“其他”门的RRA。[可以在wileyonlinelibrary.com上查看颜色图]
Minion：2024 年海事 RobotX 挑战赛 Minion 的设计和竞赛策略
摘要 — 安柏瑞德航空大学的 Minion 团队将重返 RobotX，对其卫冕冠军全自动水面舰艇 (ASV) Minion 进行重大改进。Minion 团队的新设计策略和系统工程方法称为 Minion Process，实现了整个团队在学术、研究和团队目标之间的平衡。这种设计策略与重视安全和创新的严格多步骤测试流程相结合，为 Minion 及其无人驾驶飞行器 (UAV) Kevin 带来了不断改进的工具集。这些包括对正在申请专利的新控制方案的软件增强和整个系统的计算机视觉更好地集成，以及对方位电机控制、新无人机功能和新球发射器的硬件改进。该团队对这些工具的赛前评估产生了一个强有力的竞争策略，其基础是最大化分数同时最小化风险。该团队的任务跟踪器 MinionTask 将根据评估的战略价值、已知的路线信息和剩余时间动态选择任务，以优化资格赛、半决赛和决赛中的比赛表现。根据模拟和水上测试的结果，Minion 队有信心完成九项 RobotX 2024 任务中的至少六项，并希望重复其冠军表现。
机器智能实验室
项目名称：自治移动代理商（机器人）的开发部门：电气和计算机工程，计算机和信息科学与工程，机械和航空工程师教师：Eric Schwartz，ems@ufl.edu博士学生导师：不可用：秋季，春季，夏季学生级别：新生，大二，大三，高年级；每学期15-50名学生：与他人学习和合作的愿望。信用：0-3通过EGN4912（通常在第一学期的0个学分）津贴：除非选择大学学者或新兴学者的申请要求，否则没有任何津贴：教师访谈；通过ems@ufl.edu将电子邮件发送给Schwartz博士，以设置约会申请截止日期：ASAP网站：https：//mil.ufl.edu/项目描述：MIL提供跨学科的协同环境，用于研究和开发智能，自主机器人。我们对涵盖机器学习，实时传感器集成（包括计算机视觉，LADAR，SONAR，RADAR，IMU等）的自主移动代理的理论和实现进行研究。），优化和控制。MIL研究的应用（产生了功能性机器人）包括自动水下车辆（AUV），自主水面车辆（ASV），自动陆地车辆（ALV）和自动驾驶汽车（AAVS）。MIL定期参加国际机器人比赛（并以前赢得了五项世界冠军）。
宏基因组学深度学习方法：评论
于2023年12月20日收到； 2024年3月27日接受； 2024年4月17日出版作者分支：1 IRD，索邦大学，Ummisco，32 Avenue Henry Varagnat，Bondy Cedex，法国； 2 Sorbonne University，Inserm，Nutriomics，91 BVD de L'Hopital，法国75013，法国。*信函：加斯帕·罗伊（Gaspar Roy），加斯帕（Gaspar。 Jean-Daniel Zucker，Jean-Daniel。Zucker@ird。FR关键字：微生物组；宏基因组学；深度学习；神经网络；嵌入； binning;疾病预测。缩写：ASV，扩增子序列变体； CAE，卷积自动编码器； CGAN，有条件的生成对抗网络； CNN，卷积神经网络； Dae，Denoing AutoCododer； DL，深度学习； FFN，馈送网络； GAN，生成对抗网络；它的内部转录垫片； LSTM，长期记忆； MAG，元基因组组装基因组； MGS，宏基因组； MIL，多个实例学习； ML，机器学习； MLP，多层感知器； NGS，下一代测序； NLP，自然语言处理； NN，神经网络； RNN，经常性神经网络； SAE，稀疏的自动编码器； Sota，艺术状态； SVM，支持向量机； TNF，四核苷酸频率； Vae，各种自动编码器； WGS，全基因组测序。数据语句：文章或通过补充数据文件中提供了所有支持数据，代码和协议。补充材料可与本文的在线版本一起使用。001231©2024作者
水系锌基电池研究进展
Zn Anode J. Electrochem. Soc. 2020，DOI:10.1149/1945-7111/ab7e90。Small Structures 2022，DOI:10.1002/sstr.202200323。ACS Appl. Energy Mater。2023，DOI:10.1021/acsaem.3c00572。隔膜和聚合物凝胶电解质 Adv. Energ. Mater。DOI:10.1002/aenm.202101594。（高 Zn DOD）ACS Applied Energy Mater。2022，DOI:10.1021/acsaem.2c01605。ACS Appl. Polym. Mater。2022，10.1021/acsapm.1c01798。 ACS Appl. Mater & Interface 2020，DOI：10.1021/acsami.0c14143。J. Power Sources 2018，DOI：10.1016/j.jpowsour.2018.05.072。Mater. Horiz. 2022 DOI：10.1039/D2MH00280A。（高压）聚合物 2022，DOI：10.3390/polym140304417。碱性条件下 Zn、Cu 或 Bi 的 ASV 分析电分析 2020，DOI：10.1002/elan.202060412。电分析 2017，DOI：10.1002/elan.201700337。电分析 2017，DOI：10.1002/elan.201700526。空气阴极 ACS 催化 2023，DOI：10.1021/acscatal.3c01348。选择评论 Acc. Mater. Res. 2023 DOI：10.1021/accountsmr.2c00221。J. Electrochem. Soc. 2020，DOI：10.1149/1945-7111/ab9406。化学前沿 2022。DOI：10.3389/fchem.2021.809535。MRS 能源维持。2021，DOI：10.1557/s43581-021-00018-4。Mater. Sci. Eng. R Rep. 2021，DOI：10.1016/j.mser.2020.100593。DOE 能源存储手册 2021，https://www.sandia.gov/ess-ssl/eshb/