XiaoMi-AI文件搜索系统
World File Search SystemSwarms
在人工神经网络优化学习过程中使用深厚的增强学习过程
摘要 - 用于优化问题的元数据包括粒子群优化（PSO）技术。他们从表现出集体行为的鱼类和鸟类的协调运动中获取线索。人工神经网络（ANN）需要一个复杂的学习阶段，例如后传播，被认为是人工智能的来源（AI）。此阶段允许计算每个神经元的误差梯度，从最后一层到第一个。但是，目标函数的某些特质是必需的（成本）。这促使我们尝试使用元映射学，以简化ANN的训练，以管理复杂的非线系统。这项研究的目的是应用深度加固学习（DRL）自动计算PSO算法的参数，同时还优化了ANN的监督学习过程。经过许多案例研究，我们的方法始终导致理想ANN的系数。
绝对和相对轨迹测量系统（...
绝对和相对轨迹测量系统 (ARTMS) 是一种软件有效载荷，它使配备低成本光学传感器的大量合作观察员能够仅使用方位角测量同时估算自己的轨道和附近非合作驻留空间物体的轨道。ARTMS 通过克服以前飞行演示中的关键限制，在仅角度导航方面取得了进步，这些限制包括：1) 依赖地面提供的精确先验相对轨道信息，2) 无法容纳多个观察员或目标，3) 依赖机动来提高可观测性，以及 4) 依赖 GPS 等外部计量来估算观察员的绝对轨道。相比之下，ARTMS 在多智能体框架内应用创新算法来实时自主估算机载多个观察员和目标的轨道。 ARTMS 通过使用低成本小型卫星硬件并尽量减少对机动和地面交互的依赖，提供自主、稳健且可扩展的绝对和相对导航，满足未来深空任务的关键需求。
2025 年 11 月 - deftech | 国防未来技术
评估：《连线》杂志的报道透露，国防部在 8 月份的技术准备实验 (T-Rex) 活动期间测试了由艾伦控制系统公司制造的 Bullfrog 系统。该系统由一把 7.62 毫米 M240 机枪组成，安装在专门设计的旋转炮塔上，配备光电传感器、专有人工智能和计算机视觉软件。它旨在向小型、快速移动的无人机发射小型武器火力，尤其是成群的小型无人机，其中许多无人机的移动速度和灵活性都远远超出人类操作员的跟踪能力。公司总裁史蒂夫·西蒙尼表示，需要一种自主解决方案，“以解决在几百码外击中以 5 G 加速度加速的快速无人机的问题……大疆无人机比我的手稍大，我们的系统可以在 200 码外两枪击落一架。”
剧团系统：自主多代理漫游者群∗
太空探索的未来将利用多代理系统的力量。它是低地球轨道中的卫星星座，还是一群零重力构造无人机，自主的多机构系统为执行大规模太空任务提供了下一步。漫游者群体尤其可以开始着重于月球表面探索的任务。群有可能产生高科学实用程序的回报。但是，尚未完全解决的许多设计和实施问题。该团项目旨在以流浪者群的形式探索多代理系统的设计和开发。该团漫游将作为一个案例研究，用于实施用于安全风险管理，需求形式化，运行时验证框架和其他相关验证工具集的研究工具。NASA AMES的强大软件工程（RSE）组有两个主要目标：（1）研究和开发用于改善安全 - 关键软件的验证和验证（V＆V）的工具，以及（2）设计和设计和部署用于小型SAT太空飞行任务的飞行软件。理想情况下，这两个目标将相互补充。研究团队为任务开发人员开发工具，以提高软件质量，而任务开发人员在用例和所需功能上向研究团队提供直接反馈。实际上，设想的合作有局限性。飞行任务的日程限制通常不允许使用积极开发的工具进行原型制定和培训。安全限制（例如ITAR数据）阻止了混凝土用例的共享。为了克服这些障碍，RSE集团已经实施了一个名为Troupe的孵化器计划，该计划由四个自主流浪者组成，它们协调以绘制未知地形。最终的可交付方式将是绘制位于NASA AMES的漫游车场测试地面的漫游者的设计，开发和演示。演示任务允许开发太空飞行软件，同时集成了高级V＆V工具，包括正式的模型检查器，数学声音静态分析仪和运行时安全性监控。虽然Troupe遵循NASA对软件开发的严格要求，但任务本身与工具开发人员和研究社区共享数据没有局限性。以这种方式，团队可以学习正在积极开发的新工具，并直接向研究工具开发人员提供反馈。
为人机交互设计可扩展结构机器人...
在本文中，我们调查了机器人可扩展结构的新兴设计空间，重点关注此类结构如何改善人机交互。我们详细介绍了寻求将此类结构整合到自己工作中的研究人员的各种实施考虑因素，并描述了可扩展结构如何为各种不同的机器人和应用带来新颖的交互形式，包括使机器人能够改变其形态以增强或获得全新能力（例如增强操纵或导航）的结构、提高机器人安全性的结构、实现新形式通信的结构以及使机器人群能够单独和集体改变形状的结构。为了说明如何将这些考虑因素付诸实践，我们还介绍了我们自己在可扩展结构机器人方面的研究中的三个案例研究，分享了我们的设计过程和我们的发现，这些发现涉及此类结构如何使机器人产生新颖的行为，从而吸引人类的注意力、传达信息、模仿情感并提供新型动态可供性。
需求的初步陈述
验证和验证材料和过程制造技术电力和能源系统背景和问题声明：使用未拖放航空车辆（UAVS）的应用需要储能电池，这些储能电池可以在5分钟或更短的时间内快速充电，并且可容忍零伏特，以便允许群管在探险任务任务中使用相同的充电器。能够储能技术反复生存到零伏的能力可以放大储能管理控制，并且可以像混合储能系统中的电容器一样用于远程和自动应用。当前的技术状态：大多数锂离子电池电池在2.5V至4.2V的电压窗口中运行，温度窗口-10°C至50°C的排放，并且充电5°C至45°C。排放低于最低电压的降低性能，导致不可逆的损坏，并充电以高于最大电压会导致电解质故障和故障。电池组包含电池管理系统（BMS），以保持电压和温度窗口内的适当操作。
一对多：人机界面可让单个操作员控制多架无人机
本文描述并回顾了解决人机界面挑战的研究和潜在解决方案，使单个操作员能够通过一个界面控制多架无人机 (UAV)。作为一个系统，这也被称为多机器人系统 (MRS)。MRS 应用于多个领域，如环境监测 [1]、搜索和救援 [2, 3]、安全 [4]、机器人配送的监督控制以及探索性医疗保健中的微型和纳米机器人群 [5]。单个操作员同时控制多个机器人的优势（称为一对多关系）是改善资源分配、时间成本、稳健性和现实世界任务的其他方面 [6]。然而，由于单个操作员的认知工作量增加，增加机器人数量并不一定会提高系统性能 [7]。早期模型描述了单个操作员使用基于忽视容忍度的扇出控制的机器人数量、当操作员忽视机器人时机器人的效率如何随时间下降，以及交互时间、任务切换、建立上下文、计划和将计划传达给机器人所需的时间 [8]。该模型已扩展到包括等待时间和性能指标，以模拟给定任务约束的扇出水平 [9]。
优化协作型自主小型...
摘要：随着战区日益复杂和对手不断推进，开发大量具有成本效益的无人机系统可能会为美国军队提供令人信服的能力。因此，研究问题涉及现有小型无人机系统的最佳组合，这些系统在给定预算和集群规模的情况下，提供最佳性能指标，即检测时间的平均/标准差和任务成功率。对这些小型无人机的要求是它们属于美国空军第 1-3 组无人机。研究小组使用 Python 模拟在 5 海里半径范围内的随机目标位置内收集不同小型无人机的单独性能数据。然后将这些指标输入优化程序，该程序在给定某些硬约束的情况下选择最佳组合。结果表明，6 个 ALADiN 和 24 个 Parallel Firefly 的组合是所有三种测试场景中的最佳组合。总成本为 160 万美元。利用模拟结果，该团队还能够推荐哪些属性对于成功完成任务最为重要，从而节省开发过程中的时间和金钱。
行业和供应链管理无人机
无人机用于行业和供应链管理，这项工作旨在表明，使用一群无人驾驶飞机（UAVS）在室内与人类一起使用是可行且安全的。无人机越来越多地集成在行业4.0框架下。无人机群主要在户外部署在民用和军事应用中，但是在制造和供应链管理中使用它们的机会是巨大的。对无人机技术（例如本地化，控制和计算机愿景）进行了广泛的研究，但对无人机在行业中实际应用的研究较少。无人机技术可以改善数据收集和监视，增强物联网框架中的决策，并在行业中自动化时间耗时和冗余的任务。但是，无人机的技术发展与它们整合到供应链之间存在差距。因此，这项工作着重于自动运输包裹的任务，该任务是利用与人一起运行的一群小型无人机进行自动化的任务。MOCAP系统，ROS和Unity用于本地化，过程间通信和可视化。在像环境这样的仓库中以徘徊和群模式在UAV上进行多个实验。关键字：（无人机群，仓库，运输，物流，供应链，行业4.0）1。简介
机器人和自主系统
无人系统可能会将以前无法进入或人类只能有限进入的区域军事化 - 尤其是深海和海床。例如，“海底战争”和对我们海上关键基础设施的相关监视只有通过自主系统才能实现。报告员认为，集群技术尤其是未来战场上最大的挑战之一。目前，完全自主的系统非常少，如果有的话，但技术进步将使它们成为可能，而其影响，尤其是人工智能无人机群的影响，尚不清楚。本初步报告草案的范围仅限于机器人技术，并不涵盖正在进行的网络和信息空间军事化，这种军事化的动态将通过人工智能 (AI) 增加。本初步报告草案重点关注 RAS 在军事领域的总体趋势，并研究它们对北约武装部队军事能力发展的潜在贡献。除了盟国取得的进展外，报告员还讨论了中国和俄罗斯等潜在竞争对手在军事 RAS 开发方面的活动。本文最后提出了自主系统的使用增加可能带来的风险。