XiaoMi-AI文件搜索系统
World File Search SystemTerra
具有漫游地形的漫游车导航的经验
引言月球的诱惑很强 - 人类再次应对挑战。一个有前途的近期场景是将一对流浪者降落在月球上，并参与多年1000公里的历史景点，包括阿波罗11号，测量师5，游侠8，阿波罗17和Lunokhod 2 [6]。在这种情况下，流浪者将以自主或保护的监督控制模式进行操作，并将其周围环境的连续实时视频传输到地球上的操作员。虽然这种任务的硬件方面令人生畏 - 电源，热，通信，机械和电气可靠性等。- 软件控制方面同样具有挑战性。特别是，流动站需要能够在各种地形上行驶并维护其操作的能力。以前的行星机器人（尤其是Lunokhod 2和Viking的手臂）的经验说明了远程操作员的费力和不可预测的时间延迟的漫画。更好的操作模式是监督远程运行，甚至是自动操作，其中流动站本身负责做出许多维持进度和安全所需的决定。我们已经开始了一项计划，以开发和演示技术，以在月球般的环境中启用远程，保护的远程操作和自动驾驶。特别是，我们正在研究立体声的技术
人工智能立场：跨越人机交互的未知领域？
摘要。尽管即使是非常先进的人工系统也无法满足人类成为社会互动适当参与者所需的苛刻条件，但我们认为并非所有人机交互 (HMI) 都可以适当地简化为单纯的工具使用。通过批评标准意向性主体解释的过于苛刻的条件，我们建议采用一种最小方法，将最小主体归因于某些人工系统，从而提出将采取最小联合行动作为社会 HMI 的案例。在分析此类 HMI 时，我们利用了丹尼特的立场认识论，并认为出于多种原因，采取意向性立场或设计立场可能会产生误导，因此我们建议引入一种能够捕捉社会 HMI 的新立场——人工智能立场。
电池存储公司Terra One筹集了750万美元，
柏林，2024年4月25日-Terra One，这是一家柏林的初创公司，通过其网格连接大规模电池存储系统为绿色能源提供动力，已筹集了750万美元的种子资金。领导这一轮是PT1，PT1是转型真实资产技术的早期风险投资，并在Neosfer的支持下，Neosfer是Commerzbank的早期投资者。468 Capital是Terra One的第一批支持者，也与N26联合创始人Maximilian Tayenthal，连续企业家Jan Beckers以及Andreessen Horowitz和Hedosophia的侦察资金一起参加了比赛。公司将使用资金来建立其团队，进一步开发其AI电池优化软件并扩展其项目管道。
从视觉识别地形物理参数
摘要 - 识别周围环境的物理特性对于机器人的运动和导航对于处理非几何危害（例如湿滑和可变形地形）至关重要。机器人在接触之前预测这些极端的物理特性将是很大的好处。但是，从视力中估算环境物理参数仍然是一个开放的挑战。动物可以利用他们先前的经验以及对自己所看到的东西和感受的了解来实现这一目标。在这项工作中，我们为基于视觉的环境参数估计提出了一个跨模式的自我监督学习框架，这为未来的物理范围内的运动和导航铺平了道路。我们弥合了在模拟中训练和识别视力的物理地形参数的现有政策之间的差距。我们建议在模拟中训练物理解码器，以预测多模式输入的摩擦和刚度。训练有素的网络允许以自我监督的方式将现实世界图像标记，以在部署过程中进一步训练视觉网络，这可以密集地预测图像数据的摩擦和僵硬。我们使用四倍的Anymal机器人在模拟和现实世界中验证物理解码器，表现优于现有基线方法。我们表明，我们的视觉网络可以预测室内和室外实验中的物理特性，同时允许快速适应新环境。- 项目页面https://bit.ly/3xo5aa8 -
地表火星
形状的火星从红色沙漠到新的家园形成的火星：角色扮演游戏，是一款基于Terraforming Mars的小说和极端探索游戏，这是Fryx-Games的棋盘游戏。它是在太阳系的人类扩张和殖民地的激动人心和诱人的挑战中。科学，技术，外交和生存被敦促到极限，以克服历史上最大的壮举的风险：将火星从贫瘠的荒原转变为房屋。您在角色扮演游戏的Terraforming Mars中玩谁？球员进入了一个多学科小组的鞋子，他们试图在火星和太阳系殖民地的地形历史上留下自己的印记。有几种专业的原型。作为科学家，技术人，医生，研究人员，探险家，外交官和其他工人，他们协调面对不受欢迎的事件以及红色星球的致命条件，以实现火星新生活的共同利益。多家公司在公元2315年以来由世界政府成立的Terraforming委员会的议定书竞争。，但并非所有人都有兼容的思想和态度，从而导致紧张局势，因为它们沿着走向更大的利益的不同道路。这需要地表委员会存在安全和控制机制，这将毫不犹豫地采取行动保护地Terraform Mars的努力免受转移其道路的人的阴谋和恶作剧。您的角色会是一群探索未知数的殖民者吗？Terraforming委员会研究和支持小组的一部分？紧急小队调查圆顶中的一个奇怪的条件？一个控制或为通过Sev-
vmts：双皮德机器人中多刺运动的视觉辅助教师增强学习
摘要 - 双方机器人由于其拟人化设计，在各种应用中提供了巨大的潜力，但其结构的复杂性阻碍了它们的控制。当前，大多数研究都集中在基于本体感受的方法上，这些方法缺乏克服复杂地形的能力。虽然视觉感知对于在以人为中心的环境中运作至关重要，但其整合使控制进一步复杂化。最近的强化学习（RL）方法已经显示出在增强腿部机器人运动方面的希望，特别是基于本体感受的方法。然而，地形适应性，尤其是对于两足机器人，仍然是一个重大挑战，大多数研究都集中在平坦的情况下。在本文中，我们介绍了专家教师网络RL策略的新型混合物，该策略通过一种简单而有效的方法来增强基于视觉投入的教师策略的绩效。我们的方法将地形选择策略与教师政策结合在一起，与传统模型相比，表现出色。此外，我们还引入了教师和学生网络之间的一致性损失，而不是强制实施相似之处，以提高学生驾驶各种地形的能力。我们在Limx Dynamic P1 Bipedal机器人上实验验证了我们的方法，证明了其跨毛线地形类型的可行性和鲁棒性。索引术语 - Bipedal机器人，增强学习，视觉感知的控制
使用GMT和R
摘要：在本文中，我们描述了两种相关的制图数据处理和可视化的脚本方法，这些方法提供了具有不同算法复杂性的日本的2D和3D映射。第一个算法利用通用映射工具集（GMT），该算法被称为基于高级控制台的空间数据处理程序。GMT的模块结合了脚本的功能与地球信息学的各个方面，这对于大型地理空间数据集，多格式数据处理以及2D和3D模式中的映射特别有效。第二算法介绍了R编程语言用于制图可视化和空间分析。此r方法利用“ tmap”，“栅格”，“地图”和“ mapdata”的软件包来建模日本群岛的形态计量元素，例如坡度，山坡，山坡和高程。R的通用图形软件包“ GGPLOT2”用于映射日本的县。这两种脚本方法证明了编程语言与使用脚本进行数据处理确定的制图之间建立的对应关系。，由于它们的数据处理高自动化，因此他们的表现优于几种著名和最先进的GIS方法，用于映射。制图在很大程度上反映了数据科学的最新进展，脚本语言的快速发展以及数据处理方法的转移。这扩展到从传统GI到编程语言的转变。作为对这些新挑战的回应，我们在本文中证明了在映射中使用脚本的优点，这些优点包括可重复性和脚本在类似作品中的可观适用性。
新闻稿2025年2月18日Terranet邀请2025年2月19日的年终报告
2025年2月19日，Terranet AB（Publ）将发布其2024年的年终报告。在同一天上午10点，该公司代理首席执行官Dan Wahrenberg和Cto Pierre Ekwall将提供网络广播中的操作的最新信息。该活动将以数字方式广播，并向公众开放。演讲将以英语举行。通过网络广播，有机会提出书面问题。
设计自动火星漫游者在动态地形中导航的自适应速度避免系统
文章历史：在过去的十年中，已经开发了各种基于速度障碍的方法，以避免动态环境中的碰撞。但是，这些方法通常仅限于处理几个障碍，连续的相遇或缺乏安全地形的安全保证。本文提出了使用速度障碍法的自适应碰撞避免策略，旨在使自主火星流浪者能够安全地驾驶动态和不确定的地形，同时避免多个障碍。该策略构建了自适应速度锥体，考虑了动态障碍和地形特征，从而确保了连续的安全性，同时将漫游者引导到其航路点。我们在模拟的MARS探索方案中实施了策略，代表了具有挑战性的多OSTACLAS任务。模拟结果表明，我们的方法通过增加安全距离来增强性能，使其非常适合自主行星探索，在这种情况下，避免碰撞对于任务成功至关重要。