XiaoMi-AI文件搜索系统
World File Search SystemDRONE
海军监视雷达的无人机探测
扩展 SCANTER 6002 功能 SCANTER 6002 雷达是全球海军舰艇的首选雷达，用于对自身和敌方资产进行水面和空中监视。凭借新增的开发功能，SCANTER 6002 雷达现在可提供更多价值和态势感知，同时仍提供所有众所周知的功能，包括 IMO 导航、直升机控制、SAR 操作、水面和低空监视。新解决方案适用于所有类型的海军、海岸警卫队和高价值商用船舶。
海军监视雷达的无人机探测
扩展 SCANTER 6002 功能 SCANTER 6002 雷达是全球海军舰艇的首选雷达，用于对自身和敌方资产进行水面和空中监视。凭借新增的开发功能，SCANTER 6002 雷达现在可提供更多价值和态势感知，同时仍提供所有众所周知的功能，包括 IMO 导航、直升机控制、SAR 操作、水面和低空监视。新解决方案适用于所有类型的海军、海岸警卫队和高价值商用船舶。
GAO-24-106158，无人机
美国联邦航空管理局 (FAA) 通常要求无人机配备远程 ID 技术，FAA 将其描述为“数字车牌”。执法部门可以使用远程 ID 来识别和调查未经授权的无人机活动，这符合 FAA 使用远程 ID 帮助执法的目标。然而，GAO 发现 FAA 在支持部落、州和地方执法部门使用该技术方面的资源有限。GAO 联系的部落、州和地方执法机构对远程 ID 知之甚少，也不知道如何在调查中使用远程 ID。开发此类资源可以帮助 FAA 更好地支持执法部门使用远程 ID 的能力。此外，FAA 正在开发一个界面，将远程 ID 中的无人机注册信息提供给执法部门，但没有发布该信息的计划或时间表。与此同时，国土安全部 (DHS) 正在开发一款可链接到 FAA 界面的执法部门应用程序，但 DHS 同样没有这项工作的计划或时间表。因此，执法部门在获取追踪和调查未经授权的无人机活动所需的实时信息时可能会继续遭遇延迟。
带有接近警报的无人机
近年来，无人驾驶汽车（UAV）中接近传感器的整合彻底改变了其导航能力，尤其是在复杂而动态的环境中。本文对配备邻近传感器的无人机的设计，实施和实验验证进行了全面探索，以增强空间意识和避免障碍。基于超声波，红外和光检测和范围（LIDAR）的系统的邻近传感器的利用，使无人机能够检测其附近的障碍物并动态调整其飞行路径以避免碰撞。提出的系统的关键组件包括传感器套件，数据融合算法和控制机制。接近传感器数据是实时处理的，并与其他感觉输入融合，以生成无人机周围环境的全面空间图。高级算法然后分析此信息，以确定最大程度地降低碰撞风险的同时有效到达目的地的最佳飞行轨迹。自适应控制算法使无人机能够迅速响应动态变化的环境，从而确保在具有挑战性的情况下进行稳健的性能。
自主无人机与未来世界
螺旋桨是旋转以产生推力，向前，向后，向上或向下驱动无人机的机翼。螺旋桨有各种形状和尺寸，每个形状都针对特定应用进行了优化。常见类型包括两叶片，三叶片，甚至更复杂的设计。螺旋桨通常由碳纤维，塑料或复合材料等材料制成，平衡因素，例如强度，体重和成本。螺旋桨规格，包括俯仰（攻击角）和直径，根据UAVS重量，电动机功率，所需速度和飞行特性选择。螺旋桨的精确平衡对于最大程度地减少振动，降低噪声并优化效率至关重要。在某些高级无人机中，螺旋桨可以安装在gimbals上，也可以具有可变的螺距机制，用于推力矢量，增强可操作性和控制性。
具有高级导航和避免障碍的自动无人机输送系统
印度的物流运营每天约1亿个套餐。重型机动车（HMV）在白天的城市中通勤，严重的车辆充血，交付人员不足，导致快递服务的生产率从85％降低到50％。该项目的动机是降低传统的最后一英里交付系统中的运营成本，并执行及时的交付。想法是建立一个提供安全有效的交付服务的无人机交付系统。目的地的确切位置被从地面控制站喂给无人机，并且将包装放置在无人机中，它在飞行控制器的帮助下执行自动驾驶仪。可以通过飞行控制器和避免碰撞系统来缓解可操作性。包装交付机制得到了认证系统的帮助，以确保安全交付。在原始位置，它是通过扫描ARTAG/QR码来实现的，该码将在飞行时发送给客户。仅在ARTAG/QR代码与附加数据匹配时才提供软件包。 整个过程是通过机器人操作系统和开源Autopilot软件套件与硬件的集成来执行的。 无人机交付是一种破坏性的技术，正在重新定义传统物流行业。 无人机提供了一种更具成本效益的方式来通过最大程度地降低运营成本和间接费用来交付包裹，从而使企业能够增加其收入和底线。 关键字：机器人操作系统（ROS），Artag，Autopilot。仅在ARTAG/QR代码与附加数据匹配时才提供软件包。整个过程是通过机器人操作系统和开源Autopilot软件套件与硬件的集成来执行的。无人机交付是一种破坏性的技术，正在重新定义传统物流行业。无人机提供了一种更具成本效益的方式来通过最大程度地降低运营成本和间接费用来交付包裹，从而使企业能够增加其收入和底线。关键字：机器人操作系统（ROS），Artag，Autopilot。
FLY AI 论坛 2024 反无人机系统
DEDRONE。2024 年。全球无人机事故。https://www.dedrone.com/resources/incidents-new/all。上次访问时间：2024-04-14
回顾人工智能在无人机技术中的作用以及
2 独立研究员，美国 3 独立研究员，英国 4 安德鲁斯自动化公司，古尔，英国。 _______________________________________________________________________________ * 通讯作者：Nwankwo Constance Obiuto 通讯作者电子邮箱：co.nwankwo@unizik.edu.ng 文章收稿日期：10-01-24 接受日期：15-03-24 发表日期：10-04-24 许可详情：作者保留本文的权利。本文根据知识共享署名-非商业性使用 4.0 许可证条款分发（http://www.creativecommons.org/licences/by-nc/4.0/），允许非商业性使用、复制和分发作品，无需进一步许可，但需注明原始作品的归属，如期刊开放获取页面上所指定 _______________________________________________________________________________
数据驱动的无人机 - 新加坡
1。引入人工智能（AI）是现代技术进步不可或缺的一部分，许多人已将其应用于无人机导航系统。特别是这些分支之一，强化学习（RL）涉及一个代理商通过与环境互动来做出决策的代理。使用RL，对代理进行训练的环境通常是一个模拟器，它允许在不产生高成本的情况下进行大量培训实例。通过优化用于无人机导航的RL模型，用于监视，追捕和其他培训的无人机可以通过传统方法无法实现的准确性来执行复杂的任务。但是，RL的挑战之一是代理商用来改善其决策顺序的奖励功能的制作。在此项目中，正在探索大型语言模型（LLM）的使用，以帮助改善通常手动手动制作的RL模型的奖励功能。总而言之，该项目旨在调查在RL无人机模型中使用LLMS进行简单导航的潜力。2。文献综述2.1无人机导航中的自主权在近年来在AI和无人机开发领域取得了许多进步，其中包括使用深度学习来优化无人机导航。通过使用AI，无人机通过检测对象清楚地绘制其环境来解释其周围环境。这在其他实现中很重要，例如自动封闭空间中的导航（即（Kaelbling，1996年）。这个无需人工参与），避免碰撞和自动起飞和着陆。无人机中AI的其他用途包括在外国环境中优化轨迹和路径，根据地理特征区分环境，并计划三维非平面运动（Lee等，2021）。With drones increasing in popularity over the past decade, firms have invested efforts into AI implementations, with a notable example of Near-Earth Autonomy and National Aeronautics and Space Administration's (NASA) breakthroughs in self-piloted unmanned drones and autonomous systems, that have largely reduced the reliance on Global Positioning Systems (GPS) for drone navigation (NASA, 2020).2.2强化学习（RL）RL是深度学习的一个分支，涉及一系列基于代理商的探索和剥削的决策，其中“正确的”行动使代理人更接近实现其目标，得到了回报，并“不正确”的行动，这使代理商进一步实现了目标，以实现其目标，受到惩罚。通过与给定环境进行互动，代理可以通过从奖励功能中获得的奖励来识别“正确”和“不正确”的行动，此后继续选择采取行动序列，以提供最大的总体奖励并最大程度地减少整体罚款。这种奖励将是代理人达到最佳行为的加强。为了加快RL模型培训，使用了情节学习模型，在这些模型中，代理利用了过去的观察和动作来进一步学习，而不是每次从头开始。