XiaoMi-AI文件搜索系统
World File Search SystemCollision
全美航空 1493 号航班波音 737 跑道相撞... - Fss.aero
美国国家运输安全委员会认定，事故的可能原因是洛杉矶空中交通设施管理局未能实施与国家运行岗位标准要求相当的冗余程序，以及美国联邦航空管理局空中交通服务局未能为其空中交通控制设施管理人员提供足够的政策指导和监督。这些故障在洛杉矶空中交通管制塔内造成了一种环境，最终导致第二当地管制员 (LC2) 无法保持对交通状况的了解，最终导致全美航空和天西航空未获得适当的许可，从而导致两架飞机相撞
认知控制体系结构用于实现无人机碰撞的实际实现
摘要：一个高度智能的系统通常从人类的独特能力中汲取教训。当前的类似人类模型主要集中在生物学行为上，并且经常忽略人类的大脑功能。通过从脑科学中汲取灵感，本文展示了诸如感测，预处理，认知，障碍学习，行为，策略学习，预先行动和行动等大脑处理的各个方面如何与认知控制体系结构融合在一起。这项工作是基于以下概念：反碰撞响应是按顺序激活的，该响应从障碍物传感到动作开始。在避免碰撞的过程中，认知和学习模块不断控制无人机的曲目。此外，模拟和实验结果表明，所提出的结构是有效且可行的。
ol 316，涉及自动驾驶汽车的交通碰撞报告
2024年12月17日下午1:08 PT在加利福尼亚州旧金山运营的Waymo自动驾驶汽车（“ Waymo AV”）正在撞车，涉及O'Farrell Street的Van Ness Avenue的一辆重型卡车。Waymo AV处于自主模式，当时最右边的两条车道向北行驶，当时它部分进入了左侧相邻车道，以便为沿着同一方向行驶的骑自行车的人腾出空间。在左侧的一辆重型卡车向前行驶，Waymo AV测试驾驶员在Waymo AV的后驾驶员侧之前过渡到手动模式，与重型卡车的前乘客侧接触。在撞击时，Waymo AV的4级广告没有参与，并且测试驱动程序正在手动模式下操作Waymo AV。两辆车均受到损坏。
Cobra-DDP：EVTOL车辆的轨迹产生和避免碰撞增强
•新型航空航天部门：任务和车辆（例如，自主货物交付）•高水平飞行自主权的商业案例（例如，船上飞行员，一对一对人的人类对自动驾驶汽车）•政府/行业/学术界正在制定新的运输系统•任何人，任何人，任何人，任何人的范围•任何人，范围•任何人的范围•任何人的范围）配置•具有非常具有挑战性的空气推进建模
提高虚拟碰撞响应的可靠性：提示集成技术
摘要 在虚拟现实 (VR) 中，用户的虚拟化身可以通过与虚拟物体碰撞来与其交互。如果碰撞响应没有发生在用户期望的方向上，则在 VR 体育游戏等应用中，用户会体验到准确度和精确度的下降。在确定虚拟碰撞的响应时，现有的物理引擎没有考虑用户感知和估计碰撞的方向。基于线索整合理论，本研究提出了一个统计模型，解释用户如何根据身体的方向和速度矢量估计虚拟碰撞的方向。通过将虚拟碰撞响应设置在用户感知的方向上，虚拟碰撞的准确度和精确度可分别提高 8.77% 和 30.29%。
Pacific Aerospace Ltd 750XL - ZK-JPU - 与高压碰撞
作为负责安全和安保的机构，但须遵守 1990 年《交通事故调查委员会法》第 14(3) 条规定的限制
移动机器人的自主导航和避免碰撞：分类和审查
自主移动机器人（AMR）在各个部门中变得越来越重要。他们协助人类完成复杂，危险或重复的任务。最初是为了提高工业环境中的生产率和安全性，其范围已大大扩大。最初关注工业操纵器的路径计划[1]，AMRS现在使用高级算法在没有碰撞的情况下导航。这种扩展使他们能够在工业环境以外的多样化和动态环境中运作[2]，[3]。尽管有很大的进步，但现有的自动移动机器人（AMR）的导航策略通常仍集中在特定领域：陆地，空中和水生。这些策略通常采用从感知到控制的分层方法，每种方法都针对不同的操作环境，例如工业环境[4]，不均匀的地形[5]，[6]和水下探索[7]，[8]。所有这些应用都表明缺乏可以在所有域中无缝集成的统一框架，本文旨在解决问题。通过采用模块化包，提出的分类可以增强组件的可重复性和互操作性，从而促进自主导航所有域的更轻松地集成[9]，[10]。本文介绍了一种新的全面分类系统，旨在简化澳大利亚导航的各个方面。该系统充当基本框架，组织了阶段，模块和层之间的复杂关系。它提高了自主导航策略的理解和执行，提供了清晰的
使用Li-Fi技术的车辆碰撞检测和预防系统
摘要 - 该项目解决了高速公路上驾驶员隐身性的关键问题，这通常会导致碰撞，尤其是当较小的车辆接近大型车辆（例如公交车或卡车）时。高速公路上的驾驶员隐身通常会导致事故，尤其是当较小的车辆接近较大车辆（如公共汽车或卡车）时。该项目使用图像处理和基于LIFI技术的实时车辆检测和通信系统。在重车上，有一个相机和一个Li-Fi发射器，而接近的车辆具有Li-Fi接收器。如果较小的车辆太近，则系统会发出仪表板警告的警告。该系统致力于减少与盲点和较晚反应有关的事故。具有基于Python的图像处理，在每种类型的天气和照明条件下都会发生准确的检测。NodeMCU微控制器控制图像处理单元和LI-FI发射器的数据流。实时数据通过LI-FI传输到传入的车辆，允许驾驶员更快地响应。该系统的延迟非常小于100毫秒，因此减少了后端碰撞，尤其是在可见度较差的情况下。这种具有成本效益和可扩展的解决方案适用于商用和乘用车，并突出了Li-Fi技术在改善汽车安全性方面的潜力，尤其是在基础设施有限的地区。
飞行表演期间，拖船与滑翔机在机场跑道上相撞
这位乘客是一位经验丰富的飞行员，他不是俱乐部成员，这是他第一次驾驶这架飞机。他解释说，在释放缆绳后，他们转向跑道延长线，试图“捕捉树林空地上的上升气流”。由于没有成功获得高度，他们决定从南边返回机场，以便在那里降落。这位乘客说，他认为当他们越过 10 号跑道的门槛时，他们相对于机场跑道的高度很低。他意识到滑翔机具有较高的“干净下降率”(4)。他们最初的目标是降落在对面的 QFU（10 号跑道上），但跑道很繁忙，因为正在准备第二个绞盘。然而，由于他们的高度很低，他们无法再到达 28 号跑道。他们决定通过飞行 L 形机动降落在 01 号跑道上。