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)。
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。
*任何未包含在此表格中的设备申请必须在培训日期前 90 天提出。完整的培训支持系统 (TSS) - 企业培训辅助设备、设备、模拟器和模拟 (TADSS) 索引和目录位于 TSC。请咨询 TSC 工作人员了解详细信息。
摘要 本研究提出并评估了虚拟现实 (VR) 训练模拟器的评分和评估方法。VR 模拟器可捕获详细的 n 维人体运动数据,这些数据可用于性能分析。开发了定制的医疗触觉 VR 训练模拟器,并用于记录来自 271 名具有多种临床经验水平的受训者的数据。提出了 DTW 多元原型 (DTW-MP)。VR 数据被分为新手、中级或专家。用于时间序列分类的算法的准确率为:动态时间规整 1-最近邻 (DTW-1NN) 60%,最近质心 SoftDTW 分类 77.5%,深度学习:ResNet 85%,FCN 75%,CNN 72.5% 和 MCDCNN 28.5%。专家 VR 数据记录可用于指导新手。评估反馈可以帮助受训者提高技能和一致性。动作分析可以识别个人使用的不同技术。可以实时动态检测错误,发出警报以防止受伤。
由于驾驶舱中航空电子设备的复杂性和数量不断增加[1],吸收量不断增加。随着这些系统变得越来越复杂,飞行员的精神和身体工作量也将超出现实限制。因此,具有人工智能特性的专家系统旨在协助飞行员进行关键的决策过程。最近,许多基于人工智能的应用程序被设计用于军用战斗机,包括武器运载、智能对抗或威胁规避。当今军用飞机上的战术显示器不仅用于显示态势感知,而且还与许多系统协同工作,例如导航支持系统(NSS)、威胁规避(TA)、电光红外(EO / IR)或武器运载系统(WDS)。这种战术显示系统不仅旨在协助飞行员进行决策过程,而且还能智能地执行任务。该系统通过 EO/IR 摄像头观察世界,使用其内部数据库了解和分类威胁,通过考虑环境约束(例如天气、地形等)计算出最佳路线,以应对威胁并使用机载最合适的可用武器摧毁目标。为了有效地执行此任务,系统必须包含一个中央处理器来收集、融合和
*任何未包含在此表格中的设备申请必须在培训日期前 90 天提出。完整的培训支持系统 (TSS) – 企业培训辅助工具、设备、模拟器和模拟 (TADSS) 索引和目录位于 TSC。询问 TSC 工作人员了解详情。
在加入 SBIR 计划之前,他利用自己多元化的背景创造了一种产品,可以降低当今飞机模拟器的成本、尺寸和复杂性。PTI 首席技术官 David 表示:“过去,您可能需要派人带着一张巨大的电缆图跨越世界各地来修理这些飞行模拟器,而现在,您可以远程完成这项工作。它大大提高了模拟器的整体维护、构建和可靠性。”David 和他的同事 Matt Burch、Hans Harmon 和 Seth Gabbert 为洛克希德马丁公司设计了一种分布式数字输入/输出 (I/O) 总线,以取代商用和军用飞行模拟器中使用的混乱电线。模拟器驾驶舱中的每个仪表、飞行控制装置和面板都配备了自己的小型计算机,称为 Pinnacle 接口节点 (PIN),而不是一台中央计算机。这些 PIN 充当模拟器驾驶舱和中央计算机之间的中间人,执行计算机和驾驶舱设备通信所需的信号转换(例如,模拟到数字或数字到模拟)。多亏了 David 的创新,PIN 不再需要从驾驶舱中的每台设备到计算机之间连接一堆杂乱的电线,而是只有一条以太网电缆连接到网络集线器,然后网络集线器连接到中央计算机。现在,大多数维修只需更换导致问题的盒子即可,而不必筛选数百条电线。在
这种刺激源自Fitzpatrick的模型,但已调整为与SDA的不一致有关。从假设的头部反应中,使用两个同类电流刺激剂对参与者进行了这种刺激,并具有3MA的直流刺激。结果表明,ODA与LDA和SDA一样强烈,所有三个刺激都诱导了头角变化,统计显着性为p <0.01。应注意,LDS,SDA和ODA进行了独立测试,如果与驾驶刺激器一起使用,则该配置中的两个刺激器将无效。如果在LDS期间乳突之间存在电势差,则寺庙之间的随后差异必须更大,而ODA可能会导致磷酸 - 在这种情况下流经电流神经。在研究论文中没有提及此Phe-Nomenon。
摘要:在真实的三维虚拟环境中进行飞行测试越来越多地被认为是一种安全且经济高效的评估飞机模型及其控制系统的方法。本文首先回顾并比较了迄今为止最流行的个人计算机飞行模拟器,这些模拟器已成功与 MathWorks 软件对接。这种联合仿真方法可以将 Matlab 工具箱的功能优势(包括导航、控制和传感器建模)与专用飞行仿真软件的高级仿真和场景渲染功能相结合。然后可以使用此方法验证飞机模型、控制算法、飞行处理特性,或根据飞行数据执行模型识别。然而,缺乏足够详细的分步飞行联合仿真教程,而且很少有人尝试同时评估多种飞行联合仿真方法。因此,我们使用 Simulink 和三种不同的飞行模拟器(Xplane、FlightGear 和 Alphalink 的虚拟飞行测试环境 (VFTE))演示了我们自己的分步联合仿真实现。所有这三种联合仿真都采用实时用户数据报协议 (UDP) 进行数据通信,每种方法都有各自的优势,具体取决于飞机类型。对于 Cessna-172 通用航空飞机,Simulink 与 Xplane 的联合仿真演示了成功的虚拟飞行测试,可以精确地同时跟踪高度和速度参考变化,同时在任意风况下保持侧倾稳定性,这对单螺旋桨 Cessna 来说是一个挑战。对于中等续航能力的 Rascal-110 无人机 (UAV),Simulink 使用 MAVlink 协议与 FlightGear 和 QGroundControl 连接,从而能够在地图上精确跟踪无人机的横向路径,并且此设置用于评估基于 Matlab 的六自由度无人机模型的有效性。对于较小的 ZOHD Nano Talon 微型飞行器 (MAV),Simulink 与专为此 MAV 设计的 VFTE 连接,并与 QGroundControl 连接,以使用软件在环 (SIL) 仿真测试先进的基于 H-infinity 观察器的自动驾驶仪,从而在有风条件下实现稳健的低空飞行。然后,最终使用控制器局域网 (CAN) 数据总线和带有模拟传感器模型的 Pixhawk-4 迷你自动驾驶仪将其扩展到 Nano Talon MAV 上的硬件在环 (HIL) 实现。
研究诚信 我们的使命是通过研究和分析帮助改善政策和决策,这得益于我们的核心价值观:质量和客观性,以及我们对最高诚信和道德行为的坚定承诺。为确保我们的研究和分析严谨、客观、不偏不倚,我们对研究出版物进行了严格而严格的质量保证流程;通过员工培训、项目筛选和强制披露政策,避免出现财务和其他利益冲突的表象和现实;并通过承诺公开发表我们的研究结果和建议、披露已发表研究的资金来源以及确保知识独立的政策,追求研究工作的透明度。有关更多信息,请访问 www.rand.org/about/principles。