XiaoMi-AI文件搜索系统
World File Search SystemAutono
O/O PAG（审核-I）下的自主机构列表
1个国家贫困统治任务（Kudumbasree），2个农场信息局，Kowdiar，Thiruvananthapuram 3喀拉拉邦州农村道路发展局（KSRRDA），4 KSUDP，Thiruvananthapuram，Thiruvananthapuram 5信息 Vellayani 8 Agency for Development of Aqua Culture (ADAK) 9 Kerala Fishermen's Welfare Fund Board (KFWFB) 10 Kerala Veterinary and Animal Sciences University (KVASU) 11 Suchithwa Mission, Thiruvananthapuram 12 Kerala State Co-Operative Federation for Fisheries Development Ltd. 13 Kerala Institute of Local Administration (KILA), Thrissur 14 Kerala University of渔业与海洋研究（Kufos））15 Kelappaji Agrl学院。Engg。Engg。& Tech.,Tavanur 16 Society for Assistance to Fisherwomen (SAF), Aluva, Ernakulam 17 Vegetable & Fruits Promotion Council, Kerala (VFPCK) 18 College of forestry Vellanikkara 19 Kerala Real Estate Regulatory Authority, Thiruvananthapuram 20 Goshree Island Development , Ernakulam 21 Kerala State Nirmithi Kendra (KESNIK), TVPM 22喀拉拉邦农业大学，Thrissur 23专业教育学院（CAPE）24合作银行与管理学院，Vellanikkara，Vellanikkara 25 Ambalavayal农业学院，Ambalavayal 26 Farm Informau Bureau，Kowdiar，Kowdiar，Thiruvananthapuram 27 Kerala State Council of Thiruvananthapuram 27 Kerala Seed Council of Kerala Seed Intersion（Kerala Seed Intersion（Kerala）28 KSERASS SERARA（KSERA）28 KSERA VETER（KSERA）（KERALA）28 KSERA（KERA）农业，帕达纳卡德30喀拉拉邦菠萝任务，纳杜克卡拉农业加工工厂，喀拉拉邦小型农民小农民农业联盟（SFAC），32喀拉拉邦州立渔业债务救济委员会33喀拉拉邦州立州住房委员会33喀拉拉邦州立住房委员会，北部国家董事会，州政府34号国府工资委员会（NIFAM）工资＆管理层（NIFAM）35 55 Thiruvananthapuram 36 State Agriculture Management and Extension Training Institute 37 State Fisheries Management Council (SFMC) 38 Tvm Development Authority (TRIDA), Thiruvananthapuram 39 State Fisheries Resource Management Society (FIRMA) 40 Kerala State Farmers Debt Releif Commission, Thiruvananthapuram 41 State Horticulture Mission (SHM) 42 Kerala State Science and Technology Museum (Director) 43 Kannur大学（登记官）44 SAMAGRA SIKSHA KERALA（州项目主管）45 Sree Sake Sankaracharya梵文大学（注册官）46喀拉拉邦技术大学，CET校园，Thiruvananthapuram- 47 Cochin Cochin University of Science of Sceennal of Science and Divarrar of Science of Science of Science of Science of Science and Divarrar
您说话时开车：在自动驾驶汽车中启用与大语言模型的人类互动
自动驾驶汽车的未来在于以人为中心的设计和先进的AI Capabilies。未来的自动驾驶汽车不仅会跨乘客，而且还将互动并适应他们的欲望，从而使旅程变得舒适，有效且令人愉悦。在本文中，我们提出了一个新颖的框架，该框架利用大型语言模型（LLMS）来增强自动驾驶汽车的决策过程。通过整合LLMS的自然语言能力和上下文理解，专业工具使用，协同推理，并与自动驾驶汽车的各种模块进行作用，该框架旨在将LLMS的先进语言和推理能力无缝整合到自动驾驶中。拟议的框架具有革新自动驾驶汽车运行方式，提供个性化援助，持续学习和透明决策的潜力，最终为更安全，更有效的自动驾驶技术做出了贡献。
维尼昂信息技术学院（自治）
cation TE SE CC Dist contact 1 NQ R2021011 数学-III Dr.D.Ratna Babu 教授 博士 13 13 KT KRI 9000976638 2 NQ R2021011 数学-III Dr.R.Leela Vathi 助理教授 博士 10 6 HP KRI 9383455555 3 NQ R2021042 开关理论与逻辑设计 Dr K Srinivasa Rao 教授 博士 20 6 8T KRI 9494379031 4 NQ R2021043 信号与系统 Dr.T Lakshmi Narayana 副教授 博士 11 9 HP KRI 8686000546 NQ R2021044 随机变量与随机过程 Dr S Srigowri 教授 博士29 13 X4 KRI 7093322366 6 NQ R2021422 使用 Java 的面向对象编程 Dr.A.Radhika 副教授 博士 23 9 X4 KRI 9885986856 7 49 R2021011 数学-III Dr B Mahaboub 教授 博士 24 15 F0 PKS 8465977870 8 49 R2021011 数学-III Dr K Srinivas 教授 博士 28 28 8A PKS 9908786858 9 49 R2021041 电子器件与电路 Dr DVN Sukanya 副教授 博士 18 18 F0 PKS 9032869703 10 49 R2021042 开关理论与逻辑设计 Dr A Ranganayakulu 教授 博士 30 20 JU PKS 6281311010 11 49 R2021043 信号与系统 Dr M Ratnababu 教授 博士 17 10 F0 PKS 8074506708 12 49 R2021044 随机变量与随机过程 Dr P Srinivasulu 教授 博士 19 19 35 PKS 9676136356 13 7W R2021011 数学-III Dr. D Naga Bhargavi 助理教授 博士 18 18 NN GTR 9490514627
自治不是您的想法：通过自动运输的外部成本通过自动运输IWW用例研究
我们的分析表明，自治不是唯一的目标，而是与绿色船的发展协同作用。对这两个概念的投资都会带来总体的财务收益，从而为船东创造了积极的业务案例。好处包括由于船员分配和新的船舶设计的缺席/减少而导致的货物容量增加。的确，与改造现有船只相比，新的船设计有可能更有效地解锁该协同作用。共同可以增强运输系统的安全性和弹性，并通过更好的任务管理和控制来减少排放。它可以有助于改善海员的工作条件，并最终
6G中值得信赖的深度学习启用了群众自主权
摘要 - 质量自治有望彻底改变广泛的工程，服务和流动性行业。超密集的自主代理之间的协调复杂的沟通需要新的人工智能（AI）在第五代（5G）和第六代（6G）移动网络中实现无线通信服务的管弦乐队。在特定的安全和任务关键任务中，合法需要透明的AI决策过程，以及一系列人类最终用户（消费者，工程师，法律）的量化质量质量质量（QOT）指标。我们概述了6G的值得信赖的自主权的概念，包括基本要素，例如可解释的AI（XAI）如何产生信任的定性和定量方式。我们还提供了与无线电资源管理和相关的关键绩效指标（KPI）集成的XAI测试协议。提出的研究方向将使研究人员能够开始测试现有的AI优化算法，并开发新的算法，认为应该从设计到测试阶段内置信任和透明度。
ChatScene：自动驾驶汽车的知识关键方案生成
摘要我们提出了一种大型语言模型（LLM）的ChatScene-利用LLM的能力来为自动驾驶汽车的安全至关重要方案。给定的非结构化语言指令，代理首先使用LLMS生成文本描述的流量方案。这些SCE-NARIO描述随后被分解为几个子描述，以获取指定的细节，例如行为和车辆的位置。代理然后将文本描述的子筛选性转换为特定于域的语言，然后在模拟器中生成用于预测和控制的实际代码，从而促进了Carla Simulation Envimonment中的不同和复杂场景的创建。我们代理的关键部分是一个全面的知识检索组件，它通过训练包含情景描述和代码对的知识数据库来有效地将特定的文本描述转化为相应的特定领域代码段。广泛的实验结果强调了Chatscene在提高自动驾驶汽车安全性方面的功效。对于Intance，ChatScene产生的方案显示，与最先进的基线相比，在针对不同的基于强化的基于学习的自我车辆进行测试时，碰撞率增加了15％。此外，我们表明，通过使用我们生成的安全 - 关键方案来微调不同的基于RL的自主驾驶模型，它们可以降低碰撞率9％，超过Cur-Current Sota方法。代码可在https://github.com/javyduck/chatscene上找到。ChatScene有效地弥合了交通情况的文本描述与实际CARLA模拟之间的差距，从而提供了一种统一的方式，以方便地生成安全至关重要的方案，以进行安全测试和改进AVS。
数字、自主和人工智能......
● 专注于使用高有效载荷无人机 - ULTRA 进行空运货物 ● 超视距操作 (BVLOS) ● ULTRA 无人机平台第三次迭代 - 内部开发高可靠性航空电子系统 ● 在英国拥有丰富的运营经验，并与民航局建立了安全案例 ● 获得美国联邦航空局豁免，可以在贾斯珀县以外运营 ● 在印度和英国建立制造合资企业 ● 与英国国防部签订飞机和培训合同 ● 目前在乌克兰用于供应交付 ● 用于南极气象研究 ● 开始与世界粮食计划署在南部非洲合作提供援助
人工智能和自主系统应用设计中的伦理
我们被媒体大肆宣传，谈论智能复杂系统、大数据分析 [附录中的第 1 项] 和机器学习、机器人和人工智能 [附录中的第 2 项]、超级自动化以及人机之争 [附录中的第 3 项] 的希望和危害。然而，严肃的研究，尤其是来自工程和信息通信技术 (ICT) 背景的研究，以及伦理学家和最终用户的研究，却严重缺乏。炒作可能预示着我们所知道的世界末日 [附录中的第 4 项]，“因为自主系统会决定不加区别地派遣无人机”，而其他人则预示着一种增强的人类生存的愿景，其中可持续性存在于生活的各个方面，所有个人的“繁重工作”都将被消除，世界和平将通过集体意识专注于所有正确的事情 [附录中的第 5 项]。中间派观点承认一种既不是乌托邦也不是反乌托邦的中间道路，其中所有事情都是可能的，但不一定会发生，人类可能在某些时候做对，但并非总是如此 [附录中的第 6 项]。AI/AS 领域的谨慎乐观主义者对机器（硬件或软件）的未来充满信心，但即使不期待，他们也要做好准备，因为在此过程中会遇到困难、失败，甚至侵犯人权 [附录中的第 7 项]。尽管围绕机器伦理的话题有很多讨论和猜测，从“机器没有认知能力，怎么会有伦理？”一直到“人工智能拥有灵魂意味着什么”，[附录中的第 8 项] 我们脑海中最重要的应该是“人工智能”这个词，它位于“智能”之前。我们不是带着拟人化的希望深入研究机器，好像它以某种方式获得了“生命之气”，而是将它理解为一个由人类精心设计和实现的实体，使用
海报：基于加强学习的自主行动的鲁棒性驱动到对抗性输入
在这项研究中，我们评估了自主驾驶（AD）系统中增强学习的鲁棒性（RL），特别是反对对抗攻击的稳健性。我们采用了Karavolos等人提出的基于Q学习的AD模型。[1]的简单性，是我们分析的基础。此选择使我们能够在简单的Q学习方法和更复杂的RL系统之间进行明显的比较。我们设计了两个威胁模型，以模拟对基于RL的广告系统的对抗性攻击。第一个模型涉及在RL模型的细调中注入未发现的恶意代码，使其容易受到对抗性扰动的影响，这可能会导致在特定的触发条件下碰撞。第二个威胁模型旨在通过直接改变RL模型在特定触发条件下的行动决策来引起碰撞，这代表了一种更隐秘的方法。基于这些威胁模型，我们对两种主要情况的实证研究提出：操纵传感器输入和直接对动作的扰动。研究结果表明，尽管基于RL的AD系统表现出针对传感器输入操纵的弹性，但在受到直接动作扰动时它们会表现出脆弱性。主要的和宽容的场景涉及更改传感器读数，例如在偏心转弯期间，这可能会误导系统并可能导致事故。这对于小误差很大的操作至关重要。第二种情况直接扰动动作，更多地是对基于RL的AD系统脆弱性的理论研究，而不是实用的现实世界威胁。
