XiaoMi-AI文件搜索系统
World File Search SystemAvoidance
使用红外摄像头、雷达和摄像机进行基于人工智能的夜间行人检测和避让
简介 过去十年来，美国的行人死亡人数不断飙升。行人死亡人数增加了 46%，从 2010 年的 4,302 人增加到 2019 年的估计 6,301 人。夜间行人死亡人数增加了 54%，而同期白天行人死亡人数仅增加了 16%。在这些致命事故中，约 75% 发生在天黑后。此外，美国汽车协会 (AAA) 的一项研究测试了当前车辆中的行人检测，发现所评估的行人检测系统——由雷达（无线电检测和测距）、图像传感器（摄像头）、激光雷达（光检测和测距）和超声波声纳组成——在夜间条件下无效。该项目的目标是通过结合从三个独立传感器实时获取的数据并使用机器学习算法在夜间检测行人，以减少夜间行人死亡人数
空中防撞 - 戴维斯-蒙森空军基地
第 355 战斗机联队空中防撞 (MACA) 计划的目标是促进南亚利桑那州的安全飞行环境。所提供的信息旨在提供对当地军事飞行行动的基本了解，定义标准的戴维斯-蒙森 (DM) 出发和到达走廊，并强调使用频繁的当地军事训练空域。所提供的信息并不涵盖所有 DM 或南亚利桑那州军事飞行行动。请联系第 355 联队飞行安全办公室获取更多信息，或者如果您希望安排针对您组织的简报会。如果您有疑问或想表达任何空域问题，请致电我们。
自主车载会合评估和防撞原型基础设施 Austin Probe、Graham Bryan、Tim Woodbury、Evan Novak
用于自主机载会合评估和防撞的原型基础设施 Austin Probe、Graham Bryan、Tim Woodbury、Evan Novak Emergent Space Technologies, Inc. Shiva Iyer、Apoorva Karra 和 Moriba Jah 博士 德克萨斯大学奥斯汀分校 摘要 我们正在努力构建一个可扩展的自主会合评估和避免原型基础设施。这包括一个地面枢纽，用于同步来自操作员的状态信息和计划机动并识别潜在的会合，以及用于自主评估和避免碰撞的机载飞行软件。这项工作将作为 NASA STMD 飞行实验的一部分在 2023 年进行。 1. 简介 会合评估 (CA) 是运行卫星安全的最重要组成部分之一，由于低地球轨道任务和星座的激增，其重要性不断增加。当与集群或星座的自主机动相结合时，难度和复杂性会增加，当此类系统开始与其他自主机动系统交互时，难度和复杂性会进一步增加。由于许多大型自主星座（如 SpaceX Starlink、Amazon Kuiper 和其他商业提供商）以及 SDA 和 MDA 计划在未来十年部署的持久 LEO 星座，找到可扩展的解决方案是实现太空可持续性的关键。
文章 基于空间人工智能的小麦检测和防撞农业机器人平台
摘要：为了在小麦生长季节获得更一致的测量结果，我们构思并设计了一个自主机器人平台，该平台使用空间人工智能 (AI) 在作物行中导航时执行防撞。农学家的主要限制是在驾驶时不要碾过小麦。因此，我们训练了一个空间深度学习模型，该模型可帮助机器人在田间自主导航，同时避免与小麦发生碰撞。为了训练这个模型，我们使用了公开的预标记小麦图像数据库，以及我们在田间收集的小麦图像。我们使用 MobileNet 单次检测器 (SSD) 作为我们的深度学习模型来检测田间的小麦。为了提高机器人实时响应田间环境的帧速率，我们在小麦图像上训练了 MobileNet SSD，并使用了新的立体相机 Luxonis Depth AI 相机。新训练的模型和相机可以实现每秒 18-23 帧 (fps) 的帧速率 - 足够快，让机器人每行驶 2-3 英寸就能处理一次周围环境。一旦我们知道机器人准确地检测到周围环境，我们就会解决机器人的自主导航问题。新的立体摄像头使机器人能够确定与训练物体的距离。在这项工作中，我们还开发了一种导航和防撞算法，该算法利用这些距离信息帮助机器人观察周围环境并在田间机动，从而精确避免与小麦作物发生碰撞。我们进行了大量实验来评估我们提出的方法的性能。我们还将我们提出的 MobileNet SSD 模型获得的定量结果与其他最先进的物体检测模型（例如 YOLO V5 和 Faster 区域的卷积神经网络 (R-CNN) 模型）的定量结果进行了比较。详细的比较分析揭示了我们的方法在模型精度和推理速度方面的有效性。
深度和布局编码的模拟假肢避免
●室内：参与者使用深度层次或深度层次的碰撞少于布局●roomd：参与者使用depthorlayout少于少于depthorayout少于bic layoutonly●roomf●roomf：参与者使用layoutonly以外的任何模式少碰撞差异●参与者在选择depthandlay的depthandaylaylaylyoutlayly dive <<
谁信任基因编辑的食物？对一项代表性调查研究的分析，预测了饮食和有目的的避免基因编辑的食物的意愿
CRISPR-CAS，ZFN和TALEN提供基因编辑机会，这些机会可能会导致新食品和农产品具有最终用途消费者的可识别利益。鉴于前几代人经过遗传修改的食品所面临的公众看法和反弹，因此人们对基因编辑的食品将如何被理解，以及是否会被社会接受或避免。这项研究提供了及时可靠的数据，这些数据报告了美国公众的代表性协调研究，以表明哪些因素影响其愿意饮食或有目的地避免基因编辑的食物的意愿。这项研究填补了这一差距，以确定具有影响力的因素，这些因素不仅有助于解释公众信任的成员GEF并愿意吃GEF食品或选择避免它们，而且还可以避免使用它们，为什么要持有他们的信任态度。通过我们的分析，我们发现社会价值，机构信任和意识是美国人为什么选择进食或避免基因编辑食物的最重要因素。令人惊讶的是，公众对食物的切实特征（例如安全，成本，口味和外观）的态度与GE食品感知无关。这有助于解释为什么美国公众几乎没有区分愿意吃加工的意愿或用杂草作物制成的生食。
金鹰标准避免和最小化措施
• 对于地面活动，在筑巢季节（二月至七月），将在所有活跃的鹰巢（附近有蛋、雏鸟或幼鸟）周围设置 800 米（1/2 英里；2,600 英尺）的缓冲区。如果不知道是否有活跃的巢穴，或者哪个巢穴是活跃的，则需要进行额外调查，或者在所有可能受项目影响的鹰巢（活跃或不活跃）周围设置缓冲区。这包括无人机操作。
同时发生静态干扰的实时识别与规避...
使用有效的飞行策略在未知场景中避开混合障碍物是无人机应用面临的关键挑战。在本文中，我们介绍了一种更强大的技术，仅使用点云输入即可区分和跟踪动态障碍物和静态障碍物。然后，为了实现动态避障，我们提出了禁忌金字塔方法，以迭代方式采用有效的基于采样的方法求解期望的飞行器速度。通过求解具有期望速度和航路点约束的非线性优化问题来生成运动基元。此外，我们提出了几种技术来处理近距离物体的位置估计误差、可变形物体的误差以及不同子模块之间的时间间隔。所提出的方法已实现在机上实时运行，并在模拟和硬件测试中得到了广泛的验证，证明了我们在跟踪鲁棒性、能量成本和计算时间方面的优势。
实用机载防撞系统的碰撞检测算法
本论文旨在解决上述出现的困难。虽然飞行员永远不应该停止关注周围环境，但该算法旨在检测危险，以防万一。这是通过使用 GPS 数据跟踪飞机的飞行并估计其可能的未来轨迹，然后与其他飞机交换和比较这些轨迹以找到潜在的碰撞路线来实现的。由于该问题尤其出现在热气流附近，因此热检测是使该算法有别于 FLARM [ 1 ] 等成熟技术的核心要素。热气流在飞行中被识别并在飞机之间在线传输，以最大限度地提高生成的预测的准确性。利用这一优势，可以更可靠地预测潜在的碰撞。
在荒野中发现和治疗病理性需求避免尼尔E. Christensen 1＆Matthew J. Hoag 2
避免病理需求（PDA）在1980年代首次在英国被伊丽莎白·纽森（Elizabeth Newson）及其同事（专门研究普遍发育障碍的发展心理学家）在英国进行了研究。pda提醒这些心理学家自闭症，尽管它在重要方面有所不同，包括对日常需求，“表面社交能力”和富有想象力的游戏的强迫性抵抗（Newson等，2003）。该主题引起了很大的关注，并就自闭症谱系中PDA是独特的诊断概况而引起了争论，还是仅仅是个人自治和独立性的过度病理学过程（Milton，2013; Moore，2020）。PDA拥有专业人士，家庭成员和个人的既定追随者。对该主题的讨论至关重要，因此受PDA影响的个人在户外行为医疗保健（OBH）环境中接受治疗，也称为荒野疗法，并且在美国的住院治疗环境并不适当地被误诊或治疗，因此由于对专业和父母的误解而遭受错误的伤害。