XiaoMi-AI文件搜索系统
World File Search SystemSimulator
鳗鱼装：封闭的行星蛇机器人模拟器...
eels-darts是一种模拟器，旨在用于自治的自由开发和分析，以用于太空探索的蛇形机器人。介绍了鳗鱼点模拟器设计的详细描述。这包括用于建模各种不同的蛇机器人配置的多功能多体动力学表示以及用于描述螺丝冰相互作用的各向异性摩擦模型。讨论了其他模拟组件，例如图形，可进口地形，关节控制器和感知。讨论了用于设置和运行模拟的方法，包括如何使用ROS模拟蛇机器人的自主堆栈关闭命令和信息循环。描述了多种用例，以说明如何在整个项目的生命周期中使用模拟来帮助和告知机器人设计，自主性开发和现场测试用途。对螺丝冰接触模型进行了验证分析。最后，讨论了最近对加拿大Athabasca冰川进行现场测试期间的模拟使用概述。
使用不准确的模拟器改善离线增强学习
摘要 - 离线增强学习（RL）提供了一种有希望的方法，以避免与真实环境的昂贵在线互动。但是，离线RL的性能高度取决于数据集的质量，这可能会导致学习过程中的外推错误。在许多机器人范围内，通常可以使用不准确的模拟器。但是，由于众所周知的探索 - 剥削困境以及不准确的模拟和真实环境之间的动态差距，直接从不准确的模拟器收集的数据不能直接用于离线RL中。为了解决这些问题，我们提出了一种新颖的方法，以更好的方式将离线数据集和不准确的仿真数据组合在一起。具体来说，我们预先训练了生成对抗网络（GAN）模型，以适合离线数据集的状态分布。给出了这一点，我们从发电机提供的分布开始，从不准确的模拟器中收集数据，并使用鉴别器重新重量模拟数据。我们在D4RL基准测试中的实验结果和现实世界中的操纵任务确认，我们的方法可以从不准确的模拟器和有限的离线数据集中受益更多，以比先进的方法获得更好的性能。
改进卡拉模拟器中的边界盒
摘要：Carla模拟器（学习行动）是测试算法并在自主驾驶领域生成数据集（AD）的强大平台。它提供了对各种环境参数的控制，从而可以进行彻底的评估。开发边界框通常是深度学习中通常使用的工具，并且在广告应用中起着至关重要的作用。使用边界盒识别和描述感兴趣的对象（例如车辆），用于识别和描述感兴趣的对象的主要方法。卡拉中的操作需要捕获地图上所有对象的坐标，随后与传感器的坐标系在自我车辆的坐标系统中，然后将相对于自我车辆的透视图包装在边界框中。但是，这种主要方法遇到了与对象检测和边界框注释相关的挑战，例如幽灵盒。尽管这些程序通常可以有效地检测其直接视线内的车辆和其他物体，但它们也可以通过识别被障碍物掩盖的物体来产生误报。我们已经增强了主要方法，目的是滤除不需要的盒子。绩效分析表明，改进的方法已经达到了很高的精度。
fots：用于Sim2real学习触觉运动机器人操纵技巧的快速光学触觉模拟器
摘要 - 仿真是机器人技术中广泛使用的工具，可减少硬件消耗并收集大规模数据。尽管为模拟光学触觉传感器做出了预先的努力，但仍在有效合成图像并在不同的接触载荷下复制标记运动方面仍然存在Challenges。在这项工作中，我们提出了一个名为FOTS的快速光学式模拟器，用于模拟光学触觉传感器。我们利用多层感知器映射和平面阴影生成来模拟光学响应，同时采用标记分布近似来模拟由弹性体变形引起的表面标记的运动。实验结果表明，FOT在图像产生质量和渲染速度方面优于其他方法，用于光学仿真的28.6 fps和326.1 fps的单个CPU上的标记运动模拟326.1 fps，而无需GPU加速。此外，我们将FOTS仿真模型与Mujoco等物理引擎集成在一起，而PEG-In-inole任务则证明了我们方法在实现零拍摄的SIM2REAL学习触觉机器人机器人操纵技能方面的有效性。我们的代码可在https://github.com/rancho-zhao/fots上找到。
虚拟温室模拟器https://github.com/davkat1/ ...
图4。虚拟温室模拟器从易于修改的基于文本的JSON文件中加载模型。上面：光合作用函数phi_phot_c很容易将其更改为0，并立即显示结果（请注意a和b之间的差异）。下面（c）：文本格式允许轻松地将公开的模型从文献转换为在Python环境中模拟的工作模型。在这种情况下，来自van Henten的参数列表，2003年生物系统工程的参数列表在已发表的文章（右）和模型（左）中显示。
汽车模型消防和救援模拟器
汽车模型模拟器是考虑到道路救援行动的具体情况而制作的。点火点可以用气体或液体燃料组合操作。模型的设计允许在专门配备的车身元件中使用液压或手动工具，这些元件可以轻松替换为新的元件以用于下一个训练场景。每个汽车模型都可以根据客户的需求和要求制造成不同的尺寸和不同的功能。
QPy——使用 Python 的量子电路模拟器
QPy – 使用 Python 的量子电路模拟器 Anoushka Chaudhury 摘要 量子计算利用量子力学原理，有望使解决某些计算问题所需的时间呈指数级加速。虽然量子计算机的潜在能力已得到充分证实，但它们的实际实现面临着从可扩展性到退相干和噪声等重大挑战。本文介绍了 QPy，这是一个基于 Python 的量子电路模拟器，由我编写并设计，通过将量子门应用于量子位来跟踪模型量子计算机的量子态。通过执行必要的矩阵计算，该模拟器通过可视化底层数学来促进对量子算法的理解。该工具使研究人员能够有效地探索和实施各种量子协议，以测试和构建算法。 关键词：叠加、纠缠、量子计算、量子门 I. 简介 在解决计算密集型问题的过程中，量子计算已成为一个很有前途的平台。与以 0 和 1 的形式处理二进制信息的传统计算机不同，量子计算机利用量子比特或量子位，它们可以存在于叠加态中。量子位还利用了纠缠的量子特性。这些独特的特性使量子计算机能够比传统计算机更快地解决某些问题。然而，利用量子计算的力量需要克服巨大的挑战。量子系统本质上是脆弱的，容易因退相干和噪声而出错。此外，设计和实施量子算法需要深入了解量子力学和复杂的数学运算。在传统计算机上模拟量子系统需要大量资源，限制了量子算法和并行计算的可扩展性。为了应对这些挑战并促进对量子算法的探索，该项目引入了一个基于 Python 的量子电路模拟器。它使研究人员能够通过在量子门应用于量子位时准确跟踪量子态来模拟模型量子计算机的行为。通过在后台执行必要的矩阵计算，模拟器提供了量子算法数学基础的全面视图。
建模考虑用于开发深空自主航天器和模拟器
为了扩展在遥远和复杂环境中进行操作中使用的自主权的有限范围，有必要进一步发展和成熟的自主权，这些自主权共同考虑了多个子系统，我们将其称为系统级自治。系统级别的自主权建立了解决各个子系统的相互矛盾信息的情况意识，这可能需要对基础航天器和板载模型的改进和互连。但是，由于对建模的假设和权衡的理解有限，因此设计板载模型以支持系统级别的功能带来了重大挑战。例如，排除交叉系统效应的简单车载模型可能会损害机构航天器的功效，而捕获航天器子系统和环境之间依赖性的复杂模型可能是在实现现实世界中的SpaceCecraft（E.G.G.G.G.G.G. ，有限的访问太空飞船和环境状态以及计算资源）。，有限的访问太空飞船和环境状态以及计算资源）。
使用遍历量子动力学对量子模拟器进行基准测试
我们提出并分析了一种样本效率高的协议，用于估计实验准备状态与理想目标状态之间的保真度，该协议适用于没有高级时空控制的多种模拟量子模拟器。我们的协议依赖于我们在本研究中发现的通用哈密顿动力学中出现的普遍涨落。它不需要对状态准备、量子演化或读出能力进行微调控制，同时实现接近最佳的样本复杂度：通过 ∼ 10 3 次测量获得百分比级精度，与系统大小无关。此外，随着系统规模的增加，我们的保真度估计精度呈指数级提高。我们在各种量子模拟器平台中用数字方式演示了我们的协议，包括量子气体显微镜、捕获离子和里德堡原子阵列。我们讨论了我们的方法在量子态和过程的多参数估计等任务中的应用。
使用交通流量模拟器
摘要：自动驾驶汽车有可能显着改善运输方式，许多企业和研究设施正在开发此类系统。尽管有关于自动驾驶汽车的社会实施的研究，但这些研究基于有限的条件，例如预定的驾驶环境。因此，在这项研究中，我们针对城市地区和农村地区，并模拟了卡纳泽大学开发和拥有的自动驾驶汽车的行为算法。在这项研究中，使用当地政府进行的人群调查的数据，建造了一个交通流量模拟系统（AIMSUN），以在正常时期重现该城市的当前交通流量。此外，我们改变了自动车辆的混合速率，并评估了其对OD之间延迟时间的影响。我们假设在实际的道路网络上逐渐替换了由自动驾驶汽车逐步替换现有的车辆，并且我们研究了它们对交通流量的影响。我们将自动驾驶汽车的混合速率改变为实际的交通环境，我们测量了原点污染（OD）间隔的延迟，以评估自动驾驶汽车对交通流量的影响。获得的结果表明，随着自动驾驶汽车的混合速率增加，OD间隔之间的延迟增加。然后，一旦混合速率超过一定值，OD间隔之间的延迟逐渐下降。随着自动驾驶汽车的混合速率从10增加到45％，所有车辆的延迟时间略有增加。当混合速率从45％增加到50％时，所有车辆的延迟时间都会降低，当混合速率为50至100％时，它保持恒定。分析结果表明，当社会实施自动驾驶汽车时，它们的混合速率会影响交通流量。因此，有必要确定适当的分发方案和实施领域。