XiaoMi-AI文件搜索系统
World File Search SystemAutono
有效的端到端视觉定位，用于脱钩的BEV神经匹配
摘要 - 准确的定位在高级自主驾驶系统中起重要作用。传统地图匹配的本地化方法通过具有传感器观测值的明确匹配的地图元素来解决姿势，通常对感知噪声敏感，因此需要昂贵的超级参数调整。在本文中，我们提出了一个端到端定位神经网络，该神经网络直接估计车辆从周围图像中构成，而没有与HD图明确匹配的感知结果。为确保效率和可预性能力，提出了一个基于BEV神经匹配的姿势求解器，估计在基于可区分的采样匹配模块中估计姿势。此外，通过将每个姿势DOF影响的特征表示形式解耦来大大降低采样空间。实验结果表明，所提出的网络能够执行分解器水平的定位，平均绝对误差为0.19m，0.13m和0.39◦在纵向，横向位置和偏航角度，同时表现出68.8％的推理记忆使用率降低了68.8％。
有效的端到端视觉定位，用于脱钩的BEV神经匹配
摘要 - 准确的定位在高级自主驾驶系统中起重要作用。传统地图匹配的本地化方法通过具有传感器观测值的明确匹配的地图元素来解决姿势，通常对感知噪声敏感，因此需要昂贵的超级参数调整。在本文中，我们提出了一个端到端定位神经网络，该神经网络直接估计车辆从周围图像中构成，而没有与HD图明确匹配的感知结果。为确保效率和可预性能力，提出了一个基于BEV神经匹配的姿势求解器，估计在基于可区分的采样匹配模块中估计姿势。此外，通过将每个姿势DOF影响的特征表示形式解耦来大大降低采样空间。实验结果表明，所提出的网络能够执行分解器水平的定位，平均绝对误差为0.19m，0.13m和0.39◦在纵向，横向位置和偏航角度，同时表现出68.8％的推理记忆使用率降低了68.8％。
caril：自主驾驶的模仿学习中的信心回归
摘要 - 基于端到端视力的模仿学习已直接从专家演示中学习控制命令来证明自主驾驶的有希望的结果。然而，传统方法依赖于基于回归的模型，这些模型提供了精确的控制，但缺乏一致性估计或基于分类的模型，这些模型提供了置信度得分，但由于分离而降低了精度。此限制使量化预测行动的可靠性并在必要时应用更正是一项挑战。在这项工作中，我们引入了双头神经网络体系结构，该架构既集成回归和分类负责人，以提高模仿学习中的决策可靠性。回归负责人预测了连续的驾驶动作，而分类头则估计了置信度，从而实现了一种调整机制，该校正机制可以调整低信心情景中的动作，从而增强了驾驶稳定性。我们在Carla模拟器内的闭环环境中评估了我们的方法，证明了其检测不确定的动作，估计信心并应用实时校正的能力。实验结果表明，我们的方法可降低车道偏差，并提高了传统精度高达50％，表现优于常规回归模型。这些发现突出了分类指导置信度估计的潜力，以增强基于视觉的模仿学习对自主驾驶的鲁棒性。源代码可在https：// github上找到。com/elahedlv/profester_aware_il。
无线自动实时水下声学定位系统
摘要：最近的声学遥测定位系统能够以几厘米至几米的规模重建生物体的位置和轨迹。但是，它们提出了几种后勤约束，包括接收器维护，校准程序和对实时数据的访问有限。我们在这里提出了一种基于到达的时间差异（TDOA）算法和全球移动（GSM）通信技术的新颖，易于人才，能量自我的水下定位系统，能够实时找到标记的海洋生物体。我们使用在鱼和底栖无脊椎动物中使用连续和编码标签的经验示例来说明该系统的应用。对操作系统的原位实验测试表现出与当前可用的声学定位系统相似的性能，全球定位误差为7.13±5.80 m（平均值±SD），三分之一的pINGS可以定位在远距离浮标的278 m内。尽管需要进行一些改进，但该原型的设计为自主，可以在各种环境（河流，湖泊和海洋）中从表面部署。事实证明，这对于实时监测各种物种（底栖和全骨）很有用。其实时属性可用于快速检测系统故障，优化部署设计或生态或保护应用。
fisheyebevseg：环境视图，基于鱼眼摄像机的鸟类视图分段用于自动驾驶
语义细分是执行场景理解的有效方法。最近，3D鸟视图（BEV）空间中的细分已被驱动策略直接使用。但是，在商用车中使用的环绕式鱼眼摄像机的BEV细分工作有限。由于此任务没有现实世界的公共数据集，并且现有的合成数据集由于遮挡而无法处理Amodal区域，因此我们使用Cognata Simulator创建一个合成数据集，其中包括各种道路类型，天气和照明条件。我们将BEV细分概括为使用任何凸轮模型；这对于混合不同的相机很有用。我们通过在Fisheye图像上应用圆柱整流并使用基于标准LSS的BEV分割模型来实现基线。我们证明，我们可以在没有不明显的情况下实现更好的性能，这具有增加的运行时效应，这是由于预处理，视野和重新采样的伪像而导致的。此外，我们引入了一种可学习的bev池层策略，对鱼眼摄像机更有效。我们以遮挡推理模块来探讨该模型，这对于估计BEV空间至关重要。fisheyebevseg的定性 - 在视频中展示了https://youtu.be/hftpwmabgs0。
稳健的环氧树脂，具有破坏性治疗和绿色闭环回收的自主可视化
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
自动移动机器人的能源效率的审查
目的：本文旨在对自主移动机器人（AMR）的能源效率（AMR）的最新技术进行全面分析，重点介绍能源，消费模型，能源效率的运动，硬件能量消耗，路径计划中的优化和调度方法的优化，并建议未来的研究指示。设计/方法/方法：系统文献综述确定了244篇分析论文。从2010年开始发表的研究文章在包括Google Scholar，ScienceDirect和Scopus在内的数据库中搜索，并使用与各种机器人系统中的能源和功率管理有关的关键字和搜索标准进行了搜索。调查结果：评论重点介绍了以下关键发现：1）电池是AMR的主要能源，并且电池管理系统的进步提高了效率； 2）混合模型具有卓越的准确性和鲁棒性； 3）运动占移动机器人总能源消耗的50％以上，强调需要优化的控制方法； 4）诸如质量影响AMR能源消耗之类的因素； 5）路径规划算法和调度方法对于能量优化至关重要，算法选择取决于特定的要求和约束。研究局限性：审查集中于车轮机器人，不包括步行的机器人。未来的工作应改善消费模型，探索优化方法，检查AI/ML角色并评估能源效率的权衡。关键字：自动移动机器人，能源效率，系统文献审查，优化，能源消耗模型，路径计划文章类型：评论独创性/价值：本文对AMR中的能源效率进行了全面的分析，强调了系统文献综述的关键发现，并提出了未来的研究方向，以进一步进步。
使用模块化生态系统的自主发现在LHC触发器中进行自适应异常检测
异常检测（AD）代表了一种从根本上进行数据驱动发现的新工具。最初的努力集中在将强大的离线算法调整到这些高通量流系统中，但这种算法应如何适应不断发展的检测器条件的问题仍然是一个重大挑战。在这项工作中，我们引入了一个模块化生态系统，以制定和评估自主发现的策略，其中包含了不同的组件，包括：具有时间依赖性效果的数据集，复杂的触发菜单，实时控制机制和成本感知的优化标准。我们通过使用公共CMS数据集的AD触发器进行了基于强化学习的新基准来说明这一框架，旨在鼓励以社区为导向的发展发展新一代智能和适应性触发器。
连接和自动驾驶汽车的5G-V2X通信和网络
在过去的十年中，对通信，自动化，计算，传感和定位领域中的连接和自动化车辆（CAV）（CAV）（CAV）以及相关的启用技术引起了人们的兴趣。的确，骑士有望彻底改变未来的运输和生活质量。通过利用新型的效率空气接口，不同的无线电访问技术以及破坏性的网络软件技术和边缘 /云计算解决方案，第五代（5G）的位置，以确保超低延迟，以确保超高可靠性，良好的可靠性工具和高数据率的工具工具（V2x）（V2x）。车辆生态系统的复杂性和独特性，所涉及的利益相关者和标准开发组织的种类，设想的CAV应用的不断发展的本质，以及在5G支持的V2X中吸引研究社区的众多活动，这是该特殊问题的主要动机之一，旨在集中这一问题。本期《未来互联网杂志》本期中包含的论文提供了5G V2X通信和网络领域中新兴主题的全面概述。更详细地说，它们涵盖了从第三代伙伴关系项目（3GPP）5G和V2X架构增强功能到物理层编码技术和无线电访问技术，同时考虑与网络编排和本地化相关的问题。其中一些还报告了最近结束的持续协作研究项目的成就。此外，收集的论文本质上是异质的，这是特殊问题的主要优势之一：它们从技术上是合理的理论分析和及时的建筑设计贡献到算法设计和实践贡献。尤其是，在涉及各个领域的专家审阅者的严格审查过程之后，总共接受了来自行业和学术界的作者，共有六本出色的原始研究论文，这些论文已被接受。第一篇论文[1]剖析了与跨境和多运营商V2X部署相关的主要挑战，重点是三个代表性的合作，连接和自动化流动性（CCAM）服务：电视操作驾驶，自动驾驶和预期合作的高度限制图和分配的高度验证图和分配。增强漫游方案，间边缘云协调机制，网络切片选择和服务质量