合同范围摘要:为 AMSTC 实验室提供 C45 部门范围的服务,支持现有的遗留系统 UUV、AUV、滑翔机及其相关程序和项目,包括计算机软件编程、设计、开发和维护;工程设计、开发和评估;建模和仿真;海上测试和评估 (T&E);综合后勤支持 (ILS) 和舰队支持;网络安全 (CS) 和防篡改 (AT);AUV 和 UUV 操作员培训和资格;项目支持和行政服务
条件:在作战环境中,您被分配到招聘和留用公司/地区领导职位,并被上级总部指派了入伍任务。您可以访问您的单位人员名册、NGR 601-1、历史入伍任务数据、NGB 任务指导、TAG 指导、员工输入、州/地区特定的 SOP、主任人员准备情况概述 (DPRO)、自动化单位空缺系统 (AUVS) 和 ARISS 应用程序,包括人口统计数据和市场份额分析。标准:为公司/地区制定入伍招聘任务,利用市场分析、最终实力、单位数量和其他各种州和当地特定的考虑因素来满足上级总部的意图,而不会出现错误 IAW NGR 601-1、第 6-3a(1) 段和任务通过/不通过标准检查表。
描述:该公司Abyssa SAS及其在太平洋地区(在新喀里多尼亚和太平洋地区)的两个子公司开发了使用自动式深层水下车辆(AUVS)的自主深层浸没车辆的设计,在深水中(下降到6,000米)在深水中以协调的舰队导航。这项创新已经实现了旨在在生物学和生物多样性,海洋地球科学,深海能量以及识别水下物体(电缆,残骸,管道等)方面评估水下遗产的广泛探索。除了技术创新外,Abyssa的3种创新技术还包括超前的映射,本地化和库存。子公司Abyssa NC更关注开发方法,协议,调整传感器,并评估来自国家和地区的特定案例的数字数据,以适用于大型独家经济区(EEZ),例如西南太平洋地区。
描述:该公司Abyssa SAS及其在太平洋地区(在新喀里多尼亚和太平洋地区)的两个子公司开发了使用自动式深层水下车辆(AUVS)的自主深层浸没车辆的设计,在深水中(下降到6,000米)在深水中以协调的舰队导航。这项创新已经实现了旨在在生物学和生物多样性,海洋地球科学,深海能量以及识别水下物体(电缆,残骸,管道等)方面评估水下遗产的广泛探索。除了技术创新外,Abyssa的3种创新技术还包括超前的映射,本地化和库存。子公司Abyssa NC更关注开发方法,协议,调整传感器,并评估来自国家和地区的特定案例的数字数据,以适用于大型独家经济区(EEZ),例如西南太平洋地区。
•开创了对AUV的多模式HRI的研究,从而实现了潜水员和AUV之间的有效和灵活的协作。•开发了一个系统,该系统使AUV能够根据交互的上下文自动更改通信方法。•仅使用无深度或距离传感器的单眼视力和生物学先验开发了一种自主潜水员方法的方法。•训练有素的水下潜水员检测的最先进的深度学习方法。•改编的行人运动预测方法可预测潜水员运动。•探索了用于对象检测的方法,以用于海洋垃圾检测。•使用测深图开发了用于AUV定位的算法。•创建了一种新方法,使用生物学上的运动来将信息从AUV传达到潜水员,类似于机器人“肢体语言”。•创建了一种新的设备和方法,用于使用具有生物学启发的光显示器来传达从AUV到潜水员的信息。•创建了一种新设备和两种方法(一种口头,一个音乐剧),用于使用声音将信息从AUV传达到潜水员。•设计并建造了一个新的低成本,开源的微型AUV,供与研究生和了解学生的协作团队一起使用。•设计了一个浮力控制的AUV,以进行长期的水下监测。•创建了多个带注释的数据集,包括潜水员和海洋垃圾的图像。•在泳池,湖泊和海洋环境中协调并计划了许多实验室实验试验。
2023–2024机械实验室技术 - 伍兹孔海洋学,伍兹孔,MA,对更新的模块化船体和内部组件进行了机械设计和分析,用于100米级的Remus自主水下车辆(AUV),作为Phoenix Initiative的一部分。得出了一个数学模型,并完成了在ONR资助的3000米级remus auv上填充油脂推进器的压力补偿器系统的机械设计和测试,这构成了气泡的行为。对关键任务内部组件设计和执行了结构分析。支持100、600和3000米的AUV的海洋运营,测试以及维护,以确保海军和科学应用的安全,及时和成功的部署。设计,构建和测试了一个原型REMUS 600 AUV对接系统,该系统使用电感冰球为ONR资助的AMOS程序提供了长期iCe底部部署的充电和数据传输。
水质对于依赖海洋资源的海洋生态系统,人类福祉和经济体的健康至关重要。尤其是关于核污染的挑战,诸如Tritium of tritium的同位素是杰出威胁[19,21]。本文调查了水下机器人系统的新兴应用,并由物联网(IoT)技术的基础,在水产养殖中。重点是它们进行连续水质监测的潜力,在促进与研究人员的富裕数据相互作用的同时,采用可持续检测方法。近年来,人们见证了通常称为自动水下车辆(AUV)的水下机器人的激增[23,13],重新操作的车辆(ROVS)[1] [1],当在水面上,在水面,Au au自主的表面车辆(ASVS)(ASVS)[24] [24] [24] - 进行水质评估。配备了一系列传感器,这些不足的机器人具有监视各种环境(无论是海洋,河流还是湖泊)的水质指标的能力。
便携式设备是 2003 年第一次自主和拉格朗日平台和传感器 (ALPS) 会议的推动因素。这次会议是在 21 世纪初期举行的,当时有几种关于如何观察海洋的相互竞争的想法。当时的观测资源相对丰富,而且在千禧年左右进行了许多规划演习。21 世纪初期已经取得了许多成功,全球漂流者计划和 Argo 剖面浮标阵列正在进行中。水下滑翔机刚刚开始用于科学而不是工程测试。螺旋桨驱动的自主水下航行器 (AUV) 开始得到广泛使用。小型化趋势导致传感器可用于广泛的物理和生物地球化学变量。无论是有意还是无意,ALPS 会议预示着自主观测的快速增长,这从根本上改变了观测海洋学。
无人管理的水下车辆(UUV)是水下勘探和维护的关键。自动驾驶水下车辆(AUV),其潜力减少了运营时间和环境影响,这使人们增加了兴趣。但是,他们面临着重要的技术挑战,尤其是在电源方面。这项研究重点是用于连续AUV操作的电感无线功率传递(IWPT),采用紧密耦合的分裂核心变压器(SCT),设计用于近场功率传递。提出了稳健的隔离和对准机制来克服海水环境的影响。具有SCT和RESONANT LLC电路的IWPT设备进行模拟并实验测试。有限元方法研究突出了将设备与海水环境隔离,尤其是在高频时的优势。LLC仿真和实验结果表明,电力传输的效率分别为93.2%和87.1%,最高为312W。但是,实验设备的全球效率下降到76.4%,突显了对电路设计优化的需求。
摘要:准确且健壮的同时定位和映射(SLAM)系统对于自动水下车辆(AUV)至关重要,可以在未知环境中执行任务。然而,直接将基于深度学习的SLAM方法应用于水下环境会带来挑战,这是由于纹理较弱,图像退化以及无法准确注释关键点的挑战。在本文中,提出了强大的深入学习视觉大满贯系统。首先,一个名为UWNET的功能生成器旨在解决弱纹理和图像降解问题,并提取更准确的关键点功能及其描述符。此外,基于改进的水下成像物理模型以自我监督的方式训练网络的知识蒸馏概念。最后,将UWNET集成到ORB-SLAM3中以替换传统的特征提取器。提取的本地和全局特征分别用于特征跟踪和闭环检测模块。公共数据集和自收集的池数据集的实验结果验证了所提出的系统在复杂方案中保持高精度和鲁棒性。