XiaoMi-AI文件搜索系统
World File Search SystemRadar
可持续性风险雷达 | 金融机构
绿色债券的核心是：(i) 披露所筹集资金将用于资助具有积极可持续性效益的新项目或现有项目，(ii) 持续报告这些资金的使用情况，以及 (iii) 提供独立第三方的第二意见，证明债券的绿色性质。然而，这些标准都没有赋予债券持有人直接可诉诸诉讼的权利。即使是具有固有可衡量 KPI 的可持续发展挂钩债券，如果发行人未能达到其预期，充其量也只能提高息差或赎回。然而，由于投资者对债券挂钩的可持续发展目标的可信度和稳健性等问题的严格审查，发行人继续不愿进入市场，2024 年 SLB 发行量降至三年来的最低水平。
使用 4D 雷达张量进行自动标记和语义分割
雷达在恶劣天气下的稳健性和提供动态信息的能力使其成为高级驾驶辅助系统 (ADAS) 中摄像头和激光雷达的宝贵补充 [1]。尽管用于 RGB 图像和激光雷达点云 (PC) 的语义分割深度学习方法已经很成熟，但它们在雷达中的应用仍未得到充分探索，尤其是包含额外海拔信息的 4D 雷达数据 [2] [3] [4] [5]。本文通过提出一种直接在距离-方位角-海拔-多普勒 (RAED) 张量上执行语义分割的方法来解决这一研究空白。此外，还引入了一种新颖的自动标记流程来在 RaDelft 数据集中生成逐点多类标签，从而实现使用雷达数据的联合检测和分类。
增强地缘政治雷达指导全球业务
从经验驱动的，向后看的地缘政治风险识别转变为对地缘政治动态的前瞻性跟踪，将使决策从反应性转变为积极主动。在早期阅读地缘政治事件的能力可以产生缓解措施和商机 - 但这需要更深入地了解地缘政治动态的驱动因素。确保公司的内部地缘政治功能抛弃了遗产态度，支持机构记忆，降低关键人物的风险并在需要的地方分享信息，都可以为国际业务的努力做出贡献，以更好地利用随着全球化的发展，随着全球化的出现的机会，在一个多极世界中继续发展。
通过自监督学习和领域自适应实现雷达信号识别
摘要 — 自动雷达信号识别 (RSR) 在电子战 (EW) 中起着关键作用，因为准确分类雷达信号对于为决策过程提供信息至关重要。深度学习的最新进展显示出在具有大量注释数据的领域中提高 RSR 性能的巨大潜力。然而，这些方法在注释 RF 数据稀缺或难以获得的 EW 场景中就显得不足了。为了应对这些挑战，我们引入了一种自监督学习 (SSL) 方法，该方法利用掩蔽信号建模和 RF 域自适应来增强 RF 样本和标签有限的环境中的 RSR 性能。具体而言，我们研究了对来自不同 RF 域的基带同相和正交 (I/Q) 信号进行预训练掩蔽自动编码器 (MAE)，然后将学习到的表示转移到注释数据有限的雷达域。实证结果表明，与不使用 SSL 的基线相比，我们的轻量级自监督 ResNet 模型在域内信号（即雷达信号）上进行预训练时，1 次分类准确率可提高 17.5%，在域外信号（即通信信号）上进行预训练时，1 次分类准确率可提高 16.31%。我们还为几种 MAE 设计和预训练策略提供了参考结果，为少样本雷达信号分类建立了新的基准。索引术语 — 少样本、雷达信号识别、域自适应、自监督学习、掩蔽自动编码器
智能交通系统 (ITS) 市场雷达
ERTICO-ITS Europe 成立于 1991 年，由欧盟委员会促进交通价值链创新的倡议推动。自那时起，我们已成功完成了 100 多个欧盟资助的项目，主办了 30 届 ITS 大会，并参与了众多研究活动。我们将继续致力于欧洲在智能和可持续交通领域的领导地位。创新技术以及新的出行和生活方式已将我们的行业深深融入日常生活，无论是作为消费者、企业、协会还是公共机构。我们在 ERTICO 合作伙伴关系中的八个部门将各个点连接起来，体现了这种融合。
雷达：
摘要 - 拉达值允许在复杂的环境中对旋转的FMCW雷达传感器进行准确的建模和模拟，包括对雷达波的反射，折射和散射的模拟。我们的软件能够实时处理大量对象和材料，使其适合在各种移动机器人应用程序中使用。我们通过一系列实验证明了雷达的有效性，并表明它可以在各种环境中更准确地再现FMCW雷达传感器的行为，与基于射线铸造的激光雷达样模拟相比，这些模拟器通常用于自主驱动器（例如Carla）。我们的实验还可以作为研究人员评估自己的雷达模拟的宝贵参考点。通过使用雷达，开发人员可以显着减少与原型和测试FMCW基于基于FMCW的算法相关的时间和成本。我们还提供了一个凉亭插件，该插件使移动机器人社区可以访问我们的工作。
radarnext：基于4D MMWave Imaging Radar
摘要 - 3D对象检测对于自动驾驶（AD）和高级驾驶员辅助系统（ADA）至关重要。但是，大多数3D检测器优先考虑检测准确性，通常会忽略实际应用中的网络推理速度。在本文中，我们提出了基于4D MMWave雷达点云的实时可靠的3D对象检测器RadarNext。它利用可重新参数的神经网络来捕获多尺度功能，降低记忆成本并加速推理。此外，为了突出雷达点云的不规则前景特征并抑制背景混乱，我们提出了一个可变形的可变形前景增强网络（MDFEN），以确保检测准确性，同时小型地牺牲了速度的牺牲和参数的过多。dive viewt和tj4dradset数据集的实验结果验证了Radarnext的出色性能和效率，使用我们提出的MDFEN实现了50.48和32.30映射的变体。值得注意的是，我们的radarnext变体在RTX A4000 GPU上达到了超过67.10 fps的推理速度，而Jetson AGX Orin上的推理速度则达到了28.40 fps。这项研究表明，Radarnext带来了基于4D MMWave雷达的3D感知的新颖有效的范式。索引项 - 4D mmwave雷达； 3D对象检测；基于边缘的感知；轻量级感知模型
技术白皮书增强了使用下一个雷达传感器的ADAS系统的检测和计算。
Texas仪器（TI）的下一代雷达传感器，AWR2E44P和AWR2944P，推动Ti的Adas Radar Portfolio向前推进，专门针对绩效改进，以满足严格的NCAP（新汽车评估计划）和FMVS（联邦汽车安全标准）自动驾驶和安全规则。这些雷达设备为AWR2944平台带来了“性能”扩展，并结合了RF和计算功能的重大进步，以满足ADAS应用程序不断发展的需求。利用内部优化的流程技术，AWR2E44P和AWR2944P旨在通过提供更好的SNR，增加的处理能力以及更大的记忆力来涵盖联合国法规编号79（UN R79）需求。这些改进扩展了检测范围，提高了角度的精度，并为跟踪和分类等应用提供了更复杂的处理算法。此外，它允许用户与信号处理算法一起处理计算密集的AI/ML任务，例如雷达感知。
空间技术 - 数字技术雷达
目的 太空技术包括为探索、利用和了解太空而开发的技术。这包括卫星技术、太空探索任务、空间站运营和新太空基础设施的开发。太空技术对于推进科学知识、改善全球通信系统以及实现人类和机器人探索太空至关重要。
