摘要本研究研究了在郊区接受共享自主班车(SASS)的接受。模型通过对SASS的信任和技术乐观的信任进行了上下文变量的模型。我们检查了使用Sass而没有管家的意图和社会疏远的重要性。数据分别在2020-2021涉及922和608名参与者的飞行员的开头和结束时收集数据,在SAE级3级运行。的发现表明,信任和技术乐观主义显着影响使用SASS的意愿,尽管上下文变量显示出最小的影响。老年人和女性表现出较低的信任和乐观,减少了他们的使用意图。这两个小组还认为,在骑行时保持社交距离更为重要。研究表明,未来的飞行员应避免使用未成熟技术并满足特定群体的社会需求的负面影响。
摘要 - 该研究旨在实施能够自主检测绵羊目标并在2D占用图上代表它们的系统,其最终目标是促进在UXV平台上自主牧羊。本文详细介绍了Blackboard System的开发,Blackboard System是一种用于自动目标检测和映射的软件解决方案。使用Python和C编程语言,Blackboard系统将单眼深度感测与自主目标检测,以产生全面的深度和目标图。这些地图是合并的,以产生从高架相机的角度捕获的操作区域的详细的2D鸟视图。黑板系统的独特功能是其模块化框架,它允许无缝更新或更换其深度传感和目标检测模块。
●概述:Indy Autonomous挑战是一项全球竞赛,大学团队设计自动赛车以在全面赛车赛道上竞争[1]。●关键技术:自动驾驶依赖于高端传感器,例如光检测和射程(LIDAR),无线电检测和射程(雷达)和摄像机。自主驾驶还依靠深度学习来实时感知,以及针对高速操纵而优化的控制系统。●相关性:尽管全尺寸,但该项目展示了自动驾驶汽车赛车的尖端,包括使用实时人工智能(AI)和在高速条件下控制。Indy Autonomous挑战的一些竞争对手最初是从小型赛车自动驾驶汽车开始的。因此,我们认为那里使用的技术可以缩减到我们的项目。
摘要 - 在过去的十年中,使用自动无人机系统进行测量,搜救或最后一英里的交付呈指数增长。随着这些应用的兴起,需要在复杂和不确定的环境中运行无人机的高度稳健,关键算法。此外,快速快速使无人机能够覆盖更多的地面,提高生产率并进一步增强其用例。一个用于开发高速导航中使用的算法的代理是自动无人机赛车的任务,研究人员将无人机计划无人机通过一系列大门,并尽快避免使用板载传感器和有限的计算能力。速度和加速度分别超过80 kph和4 g,在整个感知,计划,控制和国家估计中提出了重大挑战。为了达到最高性能,系统需要实时算法,这些算法对运动模糊,高动态范围,模型不确定性,空气动力学干扰以及通常无法预测的对手。该调查涵盖了自主无人机在基于模型和基于学习的方法中竞争的进展。我们提供了多年来的领域,其发展的概述,并以将来面临的最大挑战和开放性问题得出结论。
疾病控制中心(CDC) - Niosh Jennnifer Lincoln - 办公室农业安全和健康jxw7@cdc.gov Emily Haas的主要代表副主任 - NIOSH安全研究部替代副总监
学生在各种主题中获得了可靠的理论和实用背景,这些主题有助于研究智能代理,也就是说,任何能够感知其环境并采取行动最大化其成功实现目标的机会的机器人系统。因此,这种集中的学生暴露于AI中一般主题的前沿,包括统计机器学习,计算机视觉,自然语言处理,知识检索和推理以及正式的计划方法。与其他浓度相比,AI浓度更多地集中在机器人技术的算法方面。
摘要:货运城市机器人车辆(Furbot)是一款预计将在城市环境中自主性行为的完整开车车辆。这一升级已提出了需要解决/解决车辆以实现更高自治的问题。本研究解决了这些主要问题。第一个是为了被保险并在公共道路上合法开车所必需的法律框架/许可问题。第二个是更改,并且升级车辆必须经过一辆完整的自动货运车辆。这项研究的结果导致决定正确分类车辆以解决其许可问题及其在欧洲道路上的法律地位,通过了解车辆的局限性,其中包括车辆的当前状态及其结构性。这项研究的另一个贡献是确定软件和硬件更改车辆必须进行的更改才能完全自主。这包括对正确传感器的识别及其放置和数量。此外,为车辆的软件识别提供了深入的研究,从而为现成的软件提供了有利的选择。此外,还需要突出显示需要满足的可预见问题,对车辆的期望以及要求(将其作为自动驾驶汽车的演示)得到强调。用于演示站点,还研究了用例和站点动态以实现自主权。对这些要求的实用是为了证明自动导航和货运处理(全球采用的共享自动化操作模型)H2020项目,以便在城市环境中交付货物。
隶属于贝拉加维VTU的|由新德里AICTE批准| NAAC&NBA认证| UGC 2(f)认证|被政府认可。卡纳塔克邦信息科学与工程学系学生的成就: