XiaoMi-AI文件搜索系统
World File Search SystemNavigation
与非...
Zaher（Zak）M。Kassas是智能运输系统的TRC主席，也是俄亥俄州立大学的教授。他是阿斯平实验室的主任。他还是美国运输部中心的主任：卡门（具有多模式保证导航的自动化车辆研究中心），重点是导航弹性和高度自动化运输系统的安全性。他获得了B.E.获得了黎巴嫩美国大学电气工程的荣誉，在俄亥俄州立大学的电气和计算机工程中，以及M.S.E.航空工程和博士学位德克萨斯大学奥斯汀分校的电气和计算机工程专业。他是国家科学基金会（NSF）职业奖，海军研究办公室（ONR）年轻研究员计划（YIP）奖，空军科学研究办公室（AFOSR）YIP奖，IEEE WALTER FRIED奖，IEEE HARRYE HARRYE ROWE MIMNO AWARD，IN他是IEEE的院士，离子的研究员，也是IEEE航空航天和电子系统协会和IEEE智能运输系统协会的杰出讲师。他的研究兴趣包括网络物理系统，导航系统，低地球轨道卫星，认知传感和智能运输系统。
aqnav-基于AI的弹性导航
由于邪恶的参与者越来越破坏并以惊人的速度拒绝访问这些信号，因此对GP的过度依赖为准确的导航已成为一个关键脆弱性。曾经是一个可靠且准确的导航源的目标，现在经常被瞄准，使行业和政府面临重大的运营风险。
ASFM：腿部机器人社会导航的增强社会力量模型
摘要 - 机器人技术中的社会导航主要涉及通过人口掩护的区域指导移动机器人，并且行人舒适度与有效的途径进行平衡。al-尽管在该领域已经看到了进步，但解决机器人无缝集成到行人环境中的解决方案仍然难以捉摸。在本文中，开发了一种用于腿部机器人的社会力量模型，利用视觉感知来进行人类本地化。特别是引入了增强的社会力量模型，并结合了基于行人行动的排斥力量和回避行为的精致解释，以及目标以下机制。通过各种情况，包括与即将到来的行人，人群和阻塞路径的相互作用，对四足机器人进行实验评估，这表明，所提出的增强模型在先前的基线方法上以选择的路径长度，平均速度以及有效和有效的社交导航的时间来显着改善基线方法。代码是开源的，而视频演示可以在项目的网页上找到：https：//rpl-cs-ucl.github.io/asfm/
无人机套件 - 适用于自动脉动四肢导航
摘要 - 在Mavlink协议上使用Python脚本，开发人员可以使用开源Dronekit Python软件框架来启用自动无人机操作。此框架提供了出色的灵活性和功能，可促进自动无人机控制。构建的四轮驱动器具有X配置，并使用带有一些修改的DJI F450帧。有趣的是，无人机在两侧都有铝制的腿，以帮助进行平稳起飞和着陆。框架为45厘米，对角线长度和30厘米的垂直高度。在15 x 18 x 12.5厘米的盒子中给出了额外的重量。本研究中使用的螺旋桨是一个基于9x6的碳模型。使用的X2216 1400KV无刷电动机来自Sunnysky，它带有30A等级的电子速度控制器（ESC）。4细胞14.8V锂聚合物（LI-PO）电池具有7200mAh容量为无人机供电。除此之外，无人机总共重1573克。结果是通过自我测量和飞行测量数据（FMU）获得的。进行了六次尝试，结果表明第二次飞行时间最长，高度最高。特别是，飞行测量单元（FMU）报告说，飞行持续了81秒，达到0.93米的高度。相反，自我测量数据报告说，飞行持续了85秒，高度达到1.5米。
社交式：通过社会空间中的人类语言推理增强机器人导航
摘要 - 大多数现有的社会机器人导航技术要么利用手工制作的规则，要么是人类的示范，以将机器人感知与社会兼容的行动联系起来。但是，有效地将感知转化为具有社会符合社会的行动，就像人类推理在动态环境中自然发生一样。考虑到视觉模型（VLM）的最新成功，我们建议使用语言来弥合感知和具有社会意识的机器人行动之间类似人类的推理的差距。我们通过可解释的互动（SNEI）创建了一个视觉语言数据集，社交机器人导航，特征是基于2K人类机器人社交互动的40k人类通知的视觉问题答案（VQA），在非结构化的，拥挤的公共空间，跨越的公共空间，跨越感知，预测，预测，预测，三连锁推理，链的推理，行动，动作，动作，动作和解释。我们使用Snei微调了VLM，社交式，以演示我们数据集的实际应用。社交式的表现优于诸如GPT-4V和Gemini的最新模型，基于50个VQA的15种不同的人为法官得分的平均值。在船上部署了一个移动机器人，社交式实现了类似人类的推理，这标志着通过语言推理在动态公共空间中朝着社会兼容的机器人导航迈出的有希望的一步。
cornav：自动校准具有自校正计划的自动驾驶计划
理解并遵循自然语言指示在通过综合过程中导航时，现实世界中的环境对通用机器人构成了一个很大的挑战。这些环境通常包括障碍和行人，这对于官员的代理人具有自我校正计划的能力以根据周围环境的反馈来调整其调整的能力至关重要。但是，大多数现有的视觉和语言导航（VLN）方法基本方法在较不现实的模拟器设置中运行，并且不会将环境反馈纳入其决策过程中。为了打扮这个差距，我们介绍了一个名为Cornav的新型零拍框架，利用大型语言模型来制定决策，并组成两个关键组成部分：1）结合环境反馈，以完善未来的计划并调整其行动，并调整其行动，以及2）多个主要专家，以取消指导，并在场景中进行改进，并改进了预定的范围。除了框架外，我们还开发了一个3D模拟器，该模拟器可使用虚幻引擎5.为了评估在零击的多任务设置中导航剂的有效性和概括，我们创建了一个名为navbench的基准。我们的实证研究包括在四个任务中部署7个基线的，即给定目标对象类别，目标条件的导航，给定简单的指令，以下简单的指令，基于高级指令，以及逐步指示。广泛的实验表明，Cornav同意在所有任务中都大大优于所有基准。
移动机器人导航中的进步和挑战
抽象的移动机器人导航一直是研究人员的实践非常流行的话题。是为了增强移动机器人导航的自主权，已独立地建立和实施了许多算法（传统的基于AI的基于AI的基于AI，基于AI的智能，基于自我学习的）。然而，由于这些算法的限制，有效自主机器人导航的问题持续了多个程度。缺乏对实施技术及其缺点的知识，这是对这一主题进一步发展的障碍。这就是为什么关于先前实施的算法，其适用性，弱点以及其潜力需要进行的广泛研究，以评估如何改善移动机器人导航性能。在本评论论文中，已经对移动机器人导航算法进行了全面审查。调查结果表明，即使自学习算法需要大量的培训数据并具有学习错误的行为，他们具有巨大的潜力来克服其他传统算法很少解决的挑战。发现还暗示，在基于机器学习的算法的领域中，将知识表示与神经符号的方法集成在一起，具有通过大量利润来提高自动导航训练的准确性和性能。
北欧导航研讨会2024
•Marisa - Saabkockums的海洋M°Artenlager的感知和导航研究平台•意识到导航 - 内省的野外机器人Martinmagnusson，obinmagnusson，orebrioniversitet•基于GNSS的定位panagiotispapapadimitratos•robii forofiwiew， jounirantakokko，FOI•爱立信的无线电点系统（RDS）Clarag´omezbl´azquez/Robertocastrosundin，爱立信15:00咖啡休息15:20 II
弹性定位，导航和定时研发更新
A variety of PNT sources (COTS GNSS) not steered to any external time-base Software to handle the real-time receipt and passing of messages to and from PNT sources Threat monitoring algorithms A monitor fusion engine to combine the outputs of those algorithms to aid in making decisions on the trustworthiness of the PNT sources A timing ensemble with steering to an oscillator to generate a计时1脉冲每秒（1pps）输出使用受信任的来源。RI扩展了先前的S＆T进行的快速弹性评估测试床。
LEO卫星轨道轨道通过闭环机器学习，并应用于机会性导航
摘要 - 提出了通过闭环机器学习的低地球轨道（LEO）卫星轨道预测的框架。通过改进地面车辆的导航，与使用简化的一般扰动4（SGP4）Orbit Orbit Expagator相比，使用“非合作” LEO卫星信号来证明该框架的功效，并通过“非合作” LEO卫星信号导航。该框架称为LEO-NNPON（具有机会性导航的NN预测），假定以下三个阶段。（i）LEO卫星第一通过（跟踪）：具有其位置提取物测量值的陆地接收器（伪造，载波相位和/或多普勒）从接收到的Leo卫星的信号中，使其能够估算到达的时间。LEO卫星的状态用SGP4传播的两行元素（TLE）数据初始化，随后在卫星可见性期间通过扩展的Kalman滤波器（EKF）估算。（ii）未观察的LEO卫星（预测）：在估计的ephemerides上对具有外源输入（NARX）NN的非线性自回归进行了训练，并用于传播Leo卫星的轨道，以期在此期间不观察卫星。（iii）LEO卫星第二通道（导航）：配备LEO接收器的地面导航器（例如，车辆），从Leo卫星的下链路信号中提取导航可观察到可观察到的可观察到的可观察到的可观察到的导航器。这些导航可观察物用于以紧密耦合的方式（例如，通过EKF）以紧密耦合的方式帮助导航器安装的惯性测量单元（IMU）。LEO卫星状态是从NN预测的胚层获得的。提出了装有工业级IMU导航4.05 km的地面车辆的实验结果，并提供了来自两个Orbcomm卫星的信号。比较了三个车辆导航框架，所有车辆导航框架都用全球导航卫星系统（GNSS） - 惯性导航系统（INS）位置和速度解决方案进行初始化。 （ii）使用SGP4传播的Leo Esphemerides的Leo-Aided Ins； （iii）与狮子座的狮子座。独立的三维（3-D）位置根平方（RMSE）为1,865 m，而SGP4的Leo Aided INS为175.5 m。 Leo-Nnpon的Leo Aided Ins为18.3 m，证明了拟议框架的功效。