XiaoMi-AI文件搜索系统
World File Search SystemDrones
5G 无人机如何帮助实现数字孪生 - GSMA
GSMA 是一个全球组织，致力于统一移动生态系统，以发现、开发和提供对积极的商业环境和社会变革至关重要的创新。我们的愿景是释放连接的全部力量，使人们、行业和社会蓬勃发展。GSMA 代表整个移动生态系统和相关行业的移动运营商和组织，通过三大支柱为其成员提供服务：良好的连接、行业服务和解决方案以及外展。这项活动包括推进政策、应对当今最大的社会挑战、支持使移动发挥作用的技术和互操作性，并在 MwC 和 M360 系列活动中提供世界上最大的移动生态系统召集平台。
基于机器学习的无人机救援任务认知工作量监控
摘要 — 在搜索和救援任务中，无人机操作具有挑战性且对认知要求高。高水平的认知工作量会影响救援人员的表现，导致灾难性的失败。为了解决这个问题，我们提出了一种用于实时认知工作量监控的机器学习算法，以了解是否需要更换搜索和救援操作员或是否需要更多资源。我们的多模式认知工作量监测模型结合了从生理信号（例如呼吸、心电图、光电容积图和皮肤温度）中提取的 25 个特征的信息，这些特征以非侵入式方式获取。为了减少信号的主体和日间变异性，我们探索了不同的特征归一化技术，并引入了一种基于支持向量机的新型加权学习方法，适用于特定主题的优化。在从 34 名志愿者获得的未见过的测试集上，我们提出的特定于主题的模型能够在使用传统控制器和新一代控制器控制无人机模拟器时分别以 87.3% 和 91.2% 的平均准确率区分低和高认知工作负荷。
2020年度公开报告 - 军用无人机
虽然大多数武装部队的这种装备都在增加 (I)，但法国的军工工业实力雄厚，但由于一次性项目的实施缺乏长期一致的战略愿景，法国在装备自己方面进展缓慢术语（二）。即使在今天，尽管采购政策加速，但与英国等其他国家相比，法国军用无人机机队仍然有限，而且在某些领域已经老化 (III )。除了需要以最佳成本协调采购战略之外，为了在武装部队中全面整合，无人机的部署还需要加快专门人力资源部门的构建，处理因使用无人机而引发的法律和道德问题，或欧洲合作的协调（IV）。
开发无人机用于非破坏性鲨鱼管理和海滩安全
下载于 2023/07/18 19:38:04 +1000 版权所有 AP Colefax 2020 Open ResearchPortal@scu.edu.au 南十字星大学研究门户：https://researchportal.scu.edu.au/esploro/
应用无人机和人工智能监测和保护自然生态系统
摘要 近年来，无人机与人工智能 (AI) 技术的融合已成为保护和管理自然生态系统的一种有前途的方法。本文探讨了无人机和人工智能在监测和保护这些宝贵环境中的应用。无人机配备了各种传感器，如摄像头、激光雷达和热成像，为大面积和难以接近的区域的数据收集提供了前所未有的能力。结合人工智能算法，这些平台可以快速准确地分析大量数据，为生态系统健康、生物多样性和环境变化提供宝贵的见解。人工智能的使用使物种识别、栖息地测绘和异常检测等任务自动化，大大提高了监测工作的效率和效果。机器学习算法可以在大型数据集上进行训练以识别模式和异常，从而实现对非法采伐、偷猎和栖息地破坏等威胁的实时检测。此外，配备人工智能系统的无人机可以通过向决策者提供及时和准确的信息来促进自适应管理策略。通过监测植被、水质和野生动物种群的变化，保护从业者可以实施有针对性的干预措施，以减轻威胁并促进生态系统的恢复力。本文重点介绍了无人机和人工智能成功应用于生态系统监测和保护的几个案例研究，范围从热带雨林到珊瑚礁和稀树草原。这些例子证明了该方法在不同栖息地和地理区域之间的多功能性和可扩展性。
5G 无人机如何帮助实现数字孪生 - GSMA
使其无人机能够自动绘制地图并捕捉所需的照片，以便全面记录和处理详细的 3D 数字模型。该模型可以是基础设施资产，例如桥梁或塔楼，也可以是场景，例如建筑工地或事故或犯罪现场。无人机操作员需要做的就是设置无人机需要扫描的场地或结构的边界，然后无人机完成剩下的工作：它会自动避开障碍物并从所有角度拍摄照片，以亚毫米级的精度记录场景或资产的每个元素，据 Skydio 称。
用多个无人机对飞行的搭档旅行推销员问题进行建模
由无人机V∈D执行的排序由元组（i，j，k，v），（i，j，k，k和j）正式定义，其中i∈N0是启动节点，j∈C'，客户服务的客户和k∈N + rendezvous node。让F为各种各样的集合
被无人机塑造和塑造：在感知循环中编程
在为人类互动的美学设计设计的长期承诺中，缺乏塑造和互动性感觉无人机行为的工具而感到困扰。通过观察为期三天的无人机挑战的参与者，我们隔离了无人机的组成部分，如果使透明的人可以帮助参与者更好地探索他们的审美潜力。通过一个智慧来分析访谈，ELD笔记，视频录制和检查每个团队代码的检查，我们描述了团队1）将其E ORT从瞄准无缝的人与无人机互动的目标转移到将无人机视为脆弱，故意，故意和易受撞车的撞车事故； 2）与亲密，身体相互作用进行更精确的探测，理解并赋予其无人机的能力； 3）采用了解决方案策略，强调训练无人机或飞行员。我们在塑造无人机行为的潜在美学方面贡献了限制的经验解释，并讨论编程环境如何更好地支持用于设计和编程目的的术语感知循环。
执法清理行动中人机与无人机和无人机群的互动
执法清理行动中人机与无人机和无人机群的交互 Richard T. Stone 1、Thomas M. Schnieders 1、Kevin A. Push 1、Stephen Terry 2、Mary Truong 3、Inshira Seshie 4 和 Kathryn Socha 1 1 爱荷华州立大学 2 宾夕法尼亚州立大学 3 西北大学 4 马里兰大学巴尔的摩分校 警察通常必须单独进行清理行动，这一程序涉及调查建筑物中的威胁并做出适当反应。无人机群和警察之间的合作有可能在这些高压力行动中提高警察和平民的安全性，并降低敌对人员伤害的风险。这项由两部分组成的研究探讨了使用单个无人机或无人机群进行执法建筑清理行动过程中的信任、态势感知、心理需求、性能和人机交互等方面。结果表明，单架无人机的使用可以增加操作时间，但清理的准确性和安全性会得到提高。单架无人机的使用提高了态势感知能力，减少了未击中目标的数量，并获得了中等程度的信任。对于无人机群，结果表明，与单架无人机相比，群数据馈送的心理工作量存在显著差异，但发现目标的准确性没有显著差异。引言美国联邦航空管理局将无人机定义为无人驾驶飞机系统 (UAS) (FAA，2018)。最早的实际用途
使用无人机进行时间关键荒野搜索和救援的深度强化学习
荒野地区的传统搜索和救援方法可能很耗时，并且承保范围有限。无人机提供更快，更灵活的解决方案，但是优化其搜索路径对于有效操作至关重要。本文提出了一种新型算法，使用深厚的增强学习，以在荒野环境中为无人机创建有效的搜索路径。我们的方法利用概率分布图的形式利用了有关搜索区域和失踪人员的先验数据。这使策略可以学习最佳的飞行路径，以最大程度地提高找到失踪人员的可能性。实验结果表明，与传统的覆盖计划和搜索计划算法相比，我们的方法在搜索时间方面取得了重大改进，这一差异可能意味着在现实世界中的搜索操作中，与以前的工作不同，我们的方法在现实世界中的搜索操作中，我们的方法还包含了近距离的行动空间，从而使群落启用了更多的细微差别飞行模式。