XiaoMi-AI文件搜索系统
World File Search SystemVehicles
小规模自动赛车 - 以色列查尔斯
●概述：Indy Autonomous挑战是一项全球竞赛，大学团队设计自动赛车以在全面赛车赛道上竞争[1]。●关键技术：自动驾驶依赖于高端传感器，例如光检测和射程（LIDAR），无线电检测和射程（雷达）和摄像机。自主驾驶还依靠深度学习来实时感知，以及针对高速操纵而优化的控制系统。●相关性：尽管全尺寸，但该项目展示了自动驾驶汽车赛车的尖端，包括使用实时人工智能（AI）和在高速条件下控制。Indy Autonomous挑战的一些竞争对手最初是从小型赛车自动驾驶汽车开始的。因此，我们认为那里使用的技术可以缩减到我们的项目。
同步车辆交叉访问的优势
交叉空间是一种公共资源，必须在车辆之间有效地共享，这些轨迹与几条公路车道相互矛盾。交通信号灯控制（TLC）策略的主要目标是通过允许车辆依次允许车辆，同步或同步进行车道之间的交叉点访问。在这项工作中，我们比较了交叉路口的道路网络中五种最先进的TLC方法的性能。其中，三种方法一次从一个道路车道依次使用车辆，一种方法允许车辆从对面的车道相称，最后一种方法使车辆同步车辆从所有非冲突的道路车道通往交叉路口，每道道路车道一辆车道。SUMO仿真结果表明，在网络吞吐量，旅行时间损耗和相关的燃油消耗方面，同步方法在多种情况下的顺序和平行方法的表现优于顺序和平行方法。
电动汽车、电池和充电站培训模块
该计划旨在为个人提供与电动汽车 (EV)、电池和充电基础设施相关的知识和技能。培训计划涵盖电动汽车技术的基础知识，包括电动汽车的工作原理、其组件和使用电动汽车的好处、电池类型及其特点、优点和缺点、电池管理系统、可用的充电站类型、有关如何使用它们的信息、它们的特点和充电时间以及与电动汽车生态系统相关的安全和维护。总体而言，培训计划旨在使个人掌握安全有效地使用电动汽车、电池和充电基础设施所需的知识和技能。
航天/航空航天飞行器先进制导与控制算法综述
在过去的几十年里，航天/航空航天飞行器的先进制导与控制 (G&C) 系统的设计受到了全世界的广泛关注，并将继续成为航空航天工业的主要关注点。毫不奇怪，由于存在各种模型不确定性和环境干扰，基于鲁棒和随机控制的方法在 G&C 系统设计中发挥了关键作用，并且已经成功构建了许多有效的算法来制导和操纵航天/航空航天飞行器的运动。除了这些面向稳定性理论的技术外，近年来，我们还看到一种日益增长的趋势，即设计基于优化理论和人工智能 (AI) 的航天/航空航天飞行器控制器，以满足对更好系统性能日益增长的需求。相关研究表明，这些新开发的策略可以从应用的角度带来许多好处，它们可以被视为驱动机载决策系统。本文系统地介绍了能够为航天/航空航天飞行器生成可靠制导和控制命令的最先进的算法。本文首先简要概述了航天/航空航天飞行器的制导和控制问题。随后，讨论了有关基于稳定性理论的 G&C 方法的大量学术著作。回顾并讨论了这些方法中固有的一些潜在问题和挑战。然后，概述了各种最近开发的基于优化理论的方法，这些方法能够产生最佳制导和控制命令，包括基于动态规划的方法、基于模型预测控制的方法和其他增强版本。还讨论了应用这些方法的关键方面，例如它们的主要优势和固有挑战。随后，特别关注最近探索 AI 技术在飞行器系统最佳控制方面的可能用途的尝试。讨论的重点说明了航天/航空航天飞行器控制问题如何从这些 AI 模型中受益。最后，总结了一些实际实施考虑因素以及一些未来的研究主题。
ChatScene：自动驾驶汽车的知识关键方案生成
摘要我们提出了一种大型语言模型（LLM）的ChatScene-利用LLM的能力来为自动驾驶汽车的安全至关重要方案。给定的非结构化语言指令，代理首先使用LLMS生成文本描述的流量方案。这些SCE-NARIO描述随后被分解为几个子描述，以获取指定的细节，例如行为和车辆的位置。代理然后将文本描述的子筛选性转换为特定于域的语言，然后在模拟器中生成用于预测和控制的实际代码，从而促进了Carla Simulation Envimonment中的不同和复杂场景的创建。我们代理的关键部分是一个全面的知识检索组件，它通过训练包含情景描述和代码对的知识数据库来有效地将特定的文本描述转化为相应的特定领域代码段。广泛的实验结果强调了Chatscene在提高自动驾驶汽车安全性方面的功效。对于Intance，ChatScene产生的方案显示，与最先进的基线相比，在针对不同的基于强化的基于学习的自我车辆进行测试时，碰撞率增加了15％。此外，我们表明，通过使用我们生成的安全 - 关键方案来微调不同的基于RL的自主驾驶模型，它们可以降低碰撞率9％，超过Cur-Current Sota方法。代码可在https://github.com/javyduck/chatscene上找到。ChatScene有效地弥合了交通情况的文本描述与实际CARLA模拟之间的差距，从而提供了一种统一的方式，以方便地生成安全至关重要的方案，以进行安全测试和改进AVS。
确定电动汽车的空气动力学优化
Results ......................................................................................................................................... 6
AI驱动的无人驾驶汽车的多学科概念设计
本文基于人工智能驱动的分析模型，为无人机的多学科概念设计框架提供了一个多学科的概念设计框架。这种方法利用了驱动的分析模型，其中包括空气动力学，结构质量和雷达横截面预测，以将定量数据带到初始设计阶段，从而从各种优化的概念设计中选择了最合适的配置。由于设计优化周期，为以后的设计活动提供了更准确的翼，尾部和机身等关键组件的初始尺寸。同时，生成的结构可以通过设计迭代中的反馈循环实现更合适的设计点选择。因此，除了降低设计成本外，这种方法在整个设计过程中还具有很大的时间优势。
您说话时开车：在自动驾驶汽车中启用与大语言模型的人类互动
自动驾驶汽车的未来在于以人为中心的设计和先进的AI Capabilies。未来的自动驾驶汽车不仅会跨乘客，而且还将互动并适应他们的欲望，从而使旅程变得舒适，有效且令人愉悦。在本文中，我们提出了一个新颖的框架，该框架利用大型语言模型（LLMS）来增强自动驾驶汽车的决策过程。通过整合LLMS的自然语言能力和上下文理解，专业工具使用，协同推理，并与自动驾驶汽车的各种模块进行作用，该框架旨在将LLMS的先进语言和推理能力无缝整合到自动驾驶中。拟议的框架具有革新自动驾驶汽车运行方式，提供个性化援助，持续学习和透明决策的潜力，最终为更安全，更有效的自动驾驶技术做出了贡献。