XiaoMi-AI文件搜索系统
World File Search SystemWaypoints
语义信念行为图：在未知环境中启用自主机器人检查
摘要 - 本文解决了在复杂且未知环境中自动机器人检查的问题。即使面对感知不确定性和对环境的先验知识，这种能力对于各种现实世界中的有效和精确检查至关重要。现有的实际自主检查方法典型地依赖于预定义的目标和路点，并且通常无法适应动态或未知设置。在本文中，我们介绍了语义信念行为图（SB2G）框架，作为一种新的语义意识自主机器人检查的方法。sb2g使用行为节点为机器人生成控制策略，该行为节点封装了设计用于检查不同类别对象的各种基于语义的策略。我们设计了一种主动的语义搜索行为，以指导机器人定位对象进行检查，同时降低语义信息不确定性。SB2G中的边缘编码这些行为之间的过渡。我们使用腿部机器人平台通过模拟和现实世界的城市检查来验证我们的方法。我们的结果表明，SB2G实现了更有效的检查政策，表现出与人类经营的检查相当的性能。
使用基于 AI 的避障技术实现无人机安全着陆
摘要 — 随着第四次工业革命的进行，许多关于无人机的研究工作已经积极开展。目前，无人机技术最重要的部分之一是飞行过程中障碍物的自主识别和避障。通常情况下，无人机依靠 GPS 信号按照飞行前指定的航路点飞行。然而，当无人机接近指定着陆点时，可能会出现障碍物和不可预见的物体，这些障碍物和物体可能会严重危及无人机的安全着陆。因此，无人机的安全着陆成为一个非常重要的问题。在这方面，本研究探讨了将人工智能 (AI) 技术应用于无人机的可能性，以提高安全性。通过将图像传感器、支持 AI 的物体识别和无人机飞行控制计算机集成在一起，无人机可以更安全地着陆，而不必担心在飞行着陆阶段因意外障碍物而翻倒或严重损坏。 索引术语 — 着陆平台跟踪、避障、图像分割、人工智能、二维坐标、飞行控制
GPSMAP®65/65S所有者手册
使用Garmin Connect应用程序将设备配对与兼容智能手机配对时，可用于您的GPSMAP 65/65S设备连接的连接功能。当您将配对设备连接到智能手机上的Garmin Explore应用程序时，还可以使用其他功能。请访问www.garmin.com/apps以获取更多信息。EPO下载：允许您下载扩展的预测轨道文件，以快速找到GPS卫星，并减少使用Garmin Connect应用程序获得初始GPS修复所需的时间。Garmin探索：Garmin探索应用程序同步并与您的设备共享路线，跟踪和路线。您还可以将地图下载到智能手机以进行离线访问。livetrack：允许朋友和家人实时关注您的活动。您可以使用电子邮件或社交媒体邀请关注者，从而使他们可以在Garmin Connect Tracking页面上查看您的实时数据。电话通知：使用Garmin Connect应用程序在GPSMAP 65/65S设备上显示电话通知和消息。
一种实用方法，可以覆盖具有群体的动态区域
摘要 - 许多应用程序需要探索或监视区域。这可以通过传感器网络来实现，传感器网络是一大批机器人团队，每个机器人只能覆盖一个很小的分数。当该区域是凸，小且静态的时，将机器人部署为质心Voronoi tessellation（CVT）。相反，我们认为要覆盖的区域宽，不一定是凸面和复杂。然后，操纵一个较小的简单区域并变形以横切整个区域。向机器人提供了一些描述该区域的路点。目标是机器人在CVT附近均匀地在该区域上动态部署。不幸的是，分布式CVT计算算法的收敛太慢，无法实用。在这项工作中，CVT计算与基于反馈和基于前馈的控制技术和动态共识相辅相成，以调整机器人速度，以便它们协调以覆盖动态区域。我们在模拟中证明了所提出的方法成功地实现了跟踪该区域的目标，并通过机器人均匀部署，同时保持连通性并避免碰撞。我们还比较了所提出的方法与其他替代方案的性能。
![arXiv:2310.12419v2 [cs.CR] 2024 年 6 月 6 日](/simg/g:\will\search\icon\source\f\f0c960cb0da1202222e3b6f934d6ea05a542d293.png)
arXiv:2310.12419v2 [cs.CR] 2024 年 6 月 6 日
在本文中，我们提出了一种名为 AFLR UN 的新型定向模糊测试解决方案，其特点是目标路径多样性度量和无偏能量分配。首先，我们通过维护每个覆盖目标的额外原始地图来开发一种新的覆盖度量，以跟踪击中目标的种子的覆盖状态。这种方法可以将通过有趣路径击中目标的航点存储到语料库中，从而丰富每个目标的路径多样性。此外，我们提出了一种语料库级能量分配策略，确保每个目标的公平性。AFLR UN 从均匀的目标权重开始，并将该权重传播到种子以获得所需的种子权重分布。通过根据这种期望的分布为语料库中的每个种子分配能量，可以实现精确且无偏的能量分配。我们构建了一个原型系统，并使用标准基准和几个经过广泛模糊测试的真实应用程序评估了其性能。评估结果表明，AFLR UN 在漏洞检测方面的表现优于最先进的模糊测试器，无论是数量还是速度。此外，AFLR UN 在四个不同的程序中发现了 29 个以前未发现的漏洞，包括 8 个 CVE。
Polaris：具有磁性星座的移动机器人的准确，无远见的信托
信托标记在移动机器人中是必不可少的，包括其姿势校准，上下文感知和导航。然而，现有的基准标记仅依赖于基于视觉的感知，而这种看法遭受了遮挡，能量开销和隐私泄漏等限制。我们提出了北极星，这是第一个基于新颖的，全堆栈的磁性传感的无视力标记系统。北极星即使在NLOS方案中也可以实现可靠，准确的姿势估计和上下文感知。其核心设计包括：（1）一种新型的数字调制方案，磁取向迁移键合（MOSK），可以编码关键信息，例如航路点和使用Passive Magnets的坐标； （2）一个强大而轻巧的磁传感框架，用于解码和定位磁性标签。我们的设计还为北极星提供了三个关键特征：足够的编码容量，可靠的检测准确性和低能消耗。我们已经建立了一个北极星的端到端系统，并在现实世界中进行了广泛的测试。测试结果表明北极星以达到高达0.58 mm和1°的姿势估计，功率消耗仅为25.08 mW。
MILPERSMAN 1306-1501 - MyNavyHR - Navy.mil
参考文献 (a) OPNAVINST 1160.8B (b) OPNAVINST 6110.1K (c) NAVMED P-117，《医务部门手册》 1. 目的。本文规定了现役部队（AC）水手执行部队变更并在现役义务服役（EAOS）期满后直接转入预备役部队（RC）作为预备役训练与管理（TAR）或选定预备役（SELRES）的政策和程序。AC 水手将根据可用配额在职业航点（C-WAY）系统中提交转换申请。AC 到 TAR（AC2TAR）计划涵盖申请将部队变更为 RC（TAR）的水手，而 AC 到 RC（AC2SELRES）计划详细说明了将部队变更为 RC（SELRES）的程序。这两个自愿计划都使水手能够继续海军生涯而无需中断服役。a. AC 水手在完成其当前指挥部至少 24 个月的服役后，可以申请 AC2TAR 转换，只要他们距离其 EAOS 或软 EAOS (SEAOS) 不到 18 个月。b. AC 水手可以在预计的 SEAOS 八个月内申请 AC2SELRES 转换。2. 政策。本文规定了通过 AC2TAR 和 AC2SELRES 计划进行组件更改和过渡到 RC 的资格和申请程序。
自主驾驶系统中故障出现的错误配置软件测试
系统配置选项的优化对于确定其性能和功能性至关重要，尤其是在自动驾驶软件（ADS）系统的情况下，因为它们具有多种此类选项。广告领域的研究工作优先考虑开发了拟议的测试方法，以增强自动驾驶汽车的安全性和安全性。目前，基于搜索的方法用于在虚拟环境中测试ADS系统，从而模拟了现实世界的情况。但是，这种方法依赖于优化自我汽车和障碍的航路点，以产生触发违规的各种情况，并且没有以前的技术专注于从配置的角度优化广告。为了应对这一挑战，我们提出了一个名为Conferve的框架，这是第一个自动配置测试框架。Confve的设计着重于通过不同配置下的不同广告测试方法产生的重新违规场景出现，利用9个测试Oracles使以前的广告测试方法可以找到更多类型的违规行为，而无需修改其设计或实施，而无需修改其新颖的技术，以识别出漏洞的违法行为违规和违反违法行为和违反违法行为。我们的评估结果表明，同盟可以发现1,818条独特的违规行为，并减少74.19％的重复违规行为。
使用...实现大型喷气式飞机的自主导航和着陆
摘要—我们介绍了智能自动驾驶系统 (IAS)，该系统能够通过使用人工神经网络和模仿学习观察和模仿人类飞行员，实现大型喷气式飞机（如客机）的自主导航和着陆。IAS 是解决自动飞行控制系统当前问题的潜在解决方案，该系统无法执行从给定机场起飞并在另一个机场降落的全程飞行。提出了一种导航技术和一种强大的模仿学习方法。模仿学习使用人类飞行员在飞行模拟器中演示要学习的任务，同时从这些演示中捕获训练数据集。然后，人工神经网络使用这些数据集自动生成控制模型。控制模型模仿人类飞行员在航路点之间倾斜导航以及执行最后进近和着陆时的技能，而飞行管理程序则生成飞行路线，并决定在当前飞行阶段启动哪些 ANN。实验表明，即使在提供有限的示例后，IAS 也能高精度地处理此类飞行任务。所提出的 IAS 是一种新方法，使用与经验丰富的人类飞行员的技能和能力相匹配的 ANN 模型来实现大型喷气式飞机的完全控制自主。
肌肉骨骼的必要性 - 陆军大学出版社
aj。前陆军卓越医疗中心负责人迈克尔·塔利将军在最近于佐治亚州摩尔堡举行的机动作战人员会议小组上发出号召：“当我们谈论军团战斗中 21,000 名伤亡人员的规模时，我们需要每个人都尽快清理战场。这就是现实。你如何继续下去？”根据法规，选择性服务必须在征兵开始后的 193 天内将其应征者送交军队。1 在这两个路径点之间，我们必须与“我们拥有的军队”一起战斗，尽可能地再生战斗力，并维持行动，直到我们的人员和物资生成能力赶上来。2 在这种严峻的背景下，战争的一个残酷事实依然存在：疾病非战斗伤害 (DNBI) 历史上造成的伤亡人数远远超过战斗相关伤害。在第二次世界大战期间，DNBI 造成的伤亡人数几乎是战斗伤害的五倍。3 在伊拉克自由行动的早期阶段，DNBI 占所有住院人数的 75% 左右。4 如果我们将下一场冲突想象成一场泥泞、血腥的消耗战，那么非战斗伤害就变得更加不可接受。