XiaoMi-AI文件搜索系统
World File Search SystemIndoor
对室内自动移动机器人的传感技术的评论
摘要：作为机器人学术界和工业的一个基本问题，室内自动驾驶移动机器人（AMRS）已被广泛研究。对于AMR，获取有关其工作环境及其本身的信息至关重要，可以通过传感器和从这些传感器的测量中提取相应信息来实现。传感技术的应用可以使移动机器人能够执行本地化，映射，目标或障碍物识别以及运动任务等。本文回顾了室内场景中自动移动机器人的传感技术。分析并比较了在应用中使用单个传感器的好处和潜在问题，并引入了处理这些传感器数据的基本原理和流行算法。此外，还引入了一些多传感器融合的主流技术。最后，本文讨论了室内场景中自动移动机器人的传感技术的未来发展趋势，以及实际应用环境中的挑战。
室内路径的多目标进化性人工电位
摘要：路径计划对于机器人技术至关重要，使机器人可以从其当前位置到目标位置找到无碰撞的路线。人造潜力领域（APF）方法利用有吸引力的排斥性领域来指导机器人朝目标，同时避免障碍物。但是，由于局部最小值，常规APF的排斥潜在方程可能会产生次优的结果。为了解决这个问题，引入了一种称为多目标进化性人工电位场（MOE-APF）的新颖方法。MOE-APF修改了排斥电势方程，并采用膜计算和遗传算法（GA）来优化一组新的APF参数。健身函数考虑了多个目标：路径长度，平滑度，成功率和安全性。与最新方法的比较称为膜进化性人工电位场（MEMEAPF）表明，MOE-APF显着提高了各种环境之间的路径质量，优化时间和成功率。MOE-APF的多功能性使其能够应对涉及非全面机器人，多个机器人，工业操纵器和动态障碍的路径规划挑战。
haisor：通过深度强化学习
jia-mu Sun和Lin Gao也与中国科学院一起。Kaichun Mo也在NVIDIA研究中。 这项工作得到了中国国家自然科学基金会的支持（ 62322210），北京市政自然科学基金会（No. ） JQ21013）和北京市政科学技术委员会（编号 Z231100005923031）。 Kaichun Mo和Leonidas J. Guibas得到了ARL Grant W911NF-21-2-0104，Vannevar Bush教师奖学金和Adobe Corporation的礼物。 作者的地址：J.-M。 Sun，J。Yang和L. Gao（通讯作者），北京移动计算和普遍设备的主要实验室，中国科学院计算机科学研究所，北京，中国100190；电子邮件：{sunjiamu21s，yangjie01，gaolin}@ict.ac.cn;斯坦福大学的计算机科学系K.电子邮件：{kaichun，guibas }@cs.stanford.edu; Y.-K。莱，计算机科学学院和Kaichun Mo也在NVIDIA研究中。这项工作得到了中国国家自然科学基金会的支持（62322210），北京市政自然科学基金会（No.JQ21013）和北京市政科学技术委员会（编号Z231100005923031）。Kaichun Mo和Leonidas J. Guibas得到了ARL Grant W911NF-21-2-0104，Vannevar Bush教师奖学金和Adobe Corporation的礼物。作者的地址：J.-M。 Sun，J。Yang和L. Gao（通讯作者），北京移动计算和普遍设备的主要实验室，中国科学院计算机科学研究所，北京，中国100190；电子邮件：{sunjiamu21s，yangjie01，gaolin}@ict.ac.cn;斯坦福大学的计算机科学系K.电子邮件：{kaichun，guibas }@cs.stanford.edu; Y.-K。莱，计算机科学学院和
基于指纹识别的混合量子室内定位...
摘要 本文介绍了一种使用混合量子深度神经网络模型 (H-QDNN) 来提高室内定位精度的方法。为了提高基于当代技术的室内定位精度，我们结合了量子计算 (QC) 和深度神经网络 (DNN) 的优势。QC 的优势在于可以加速训练过程，并通过量子叠加和纠缠高效处理复杂的数据表示，而 DNN 则以能够提取有意义的特征和从数据中学习复杂模式而闻名。所提出的模型可以使用小型数据集进行训练，从而减少对大量数据的需求，这在室内定位中尤其有用，因为在室内定位中，数据收集可能耗时且资源密集。为了评估我们提出的方法的有效性，我们进行了广泛的实验并与现有的最先进方法进行了比较。结果表明，与传统技术相比，H-QDNN 模型显著提高了室内定位精度。此外，我们还深入了解了有助于提高性能的因素，例如所使用的量子启发算法和混合指纹的集成。
uctnet：室内RGB-D语义分割
摘要。在本文中，我们解决了RGB-D语义分段的问题。解决此问题的关键挑战在于1）如何从深度传感器数据中提取特征，以及2）如何有效地融合从两种模式中提取的特征。对于第一个Challenge，我们发现从传感器获得的深度信息并不总是可靠的（例如，具有反射性或深色表面的对象典型地读取不准确或无效的传感器读数），现有的使用Convnets提取深度特征的方法并未明确考虑不同像素位置的深度值的可靠性。为了应对这一挑战，我们提出了一种新颖的机制，即不确定的自我注意力，该机制明确控制了从无法可靠的深度像素到特征提取过程中的深度像素的信息。在第二个挑战中，我们基于交叉注意力提出了一个有效且可扩展的融合模块，该模块可以在RGB编码器和深度编码器之间自适应地融合和交换信息。我们提出的框架，即uctnet，是一个编码器 - 模型网络，natu-rally将这两个关键设计结合在一起，以实现鲁棒和准确的RGB-D分割。实验结果表明，UCTNET优于效果，并在两个RGB-D语义分割基准上实现最先进的性能。
室内机器人：Aehton模型规格Tug T2.5/T3/...
– Manufacturer: Aethon, USA – Assembly: TUG robots – Drive system: omnidirectional four-wheel drive – Navigation and sensor system: real-time multi-LiDAR, sonar and infrared sensors – Communication: WiFi or 900MHz – Area of application: indoor – Pick-ups and drop-offs: yes – Support: locally hosted or remote connection to the Aethon Command Center via a secure and encrypted VPN
室内环境中服务机器人的生物启发的感知和导航：评论
摘要：生物学原理引起人们对服务机器人技术的关注，因为机器人操作各种任务时具有类似的概念。生物启发的感知对于机器人感知意义重大，这是受动物对环境意识的启发。本文回顾了室内环境中服务机器人的生物启发的感知和导航，这是平民机器人技术的流行应用。导航方法通过感知类型进行了分类，包括基于视觉的，遥感，触觉传感器，嗅觉，基于声音，惯性和多模式导航。最新技术的趋势正在朝着多模式导航迈进，以结合多种方法。室内导航的挑战集中在精确的本地化以及动态和复杂的环境上，并具有移动的对象和人员。
基于模拟的室内感染风险的基于模拟的权衡建模，1
1 2 3 4 6 7 8 9 10 11. 16 18 315 312 415 52 512 512 512 512 510 512 512 515
室内风幕和风扇对置换通风空间交叉感染风险的影响
摘要。空气幕是一种有效的控制方法，用于分隔空气空间并减少不同区域之间空气、热量和污染物的交叉传输。研究表明，置换通风比混合通风更有利于室内空气质量。然而，置换通风可能容易受到一种称为锁定现象的影响，即污染物被保持在空间的较低分层部分并增加感染的可能性。本研究调查了室内空气幕和循环风扇是否可以减少置换通风空间的锁定现象，从而降低整个呼吸区的感染风险。具体来说，进行了数值测试以探索侧壁扩散器集成垂直槽空气幕是否足以降低感染风险。此外，在居住者上方使用循环风扇来探索它们是否会减少锁定现象。结论是，侧空气幕槽和循环风扇都不足以降低感染风险。事实上，所有测试的方法都会增加感染风险。感染风险的增加与之前的研究结果相反，这是由于整个空间的气流模式发生变化，破坏了热羽流，导致污染物从房间的一侧泄漏到另一侧。循环风扇提供了有希望的结果，但应在给定空间内风扇的理想数量、位置、流速、方向和尺寸方面进行进一步优化。
室内空气质量操作规范
本《行为准则》提供了一种实用的风险评估方法，可帮助雇主合理确定其工作场所的室内空气质量。它包括二氧化碳 (CO 2 )、每小时换气次数、温度、湿度、通风率和其他污染物的参数，以便进行基线评估。本《行为准则》从工作场所复杂性的角度探讨了风险评估能力，并提供了调查室内空气质量投诉的建议。它还提供了有关室内空气质量、通风、空气过滤和二氧化碳监测器的信息。