XiaoMi-AI文件搜索系统
World File Search Systemlocalization
室内定位和4D MMWave成像雷达
状态估计是成功实施机器人系统的关键组成部分，依赖于相机，LIDAR和IMU等传感器。然而，在现实情况下，这些传感器的性能是通过具有挑战性的环境来划分的，例如不利的天气条件和弱光场景。新兴的4D成像雷达技术能够在不利条件下提供强大的感知。尽管有潜力，但对于嘈杂的雷达数据没有明确的几何特征而言，室内环境仍然存在挑战。此外，雷达数据分解和视野（FOV）的差异可能导致不准确的测量结果。虽然先前的研究探索了基于多普勒速度信息的雷达惯性探测仪，但由于FOV和雷达传感器的分辨率差异，估计3D运动的挑战仍然存在。在本文中，我们解决了多普勒速度测量不确定性。我们提出了一种在管理多普勒速度不确定性的同时优化车身速度的方法。基于我们的观察结果，我们提出了双成像雷达配置，以减轻雷达数据中差异的挑战。为了获得高精度3D状态估计，我们引入了一种策略，该策略将雷达数据与消费级IMU传感器无缝整合，并使用固定lag平滑光滑优化。最后，我们使用现实世界3D运动数据评估了我们的方法，并演示了本地化和映射的流任务。
被动智能灰尘基于无人机的危险化学物质定位
摘要：在1990年代后期首次提出了在特定区域上的微小传感器的分布，称为一种称为智能灰尘的概念。几项努力主要集中在计算和网络功能上，但迅速遇到了与电源，成本，数据传输和环境污染有关的问题。为了克服这些局限性，我们建议使用基于纸张的（五彩纸屑样）化学传感器来利用化学试剂的固有选择性，例如比色指标。在这项工作中，由纤维素制成的廉价和可生物降解的被动传感器可以成功地表明存在有害化学物质，例如强酸，通过重大的颜色变化。连接到无人机的传统彩色数码相机可以轻松地从安全距离检测到这一点。处理收集的数据以定义危险区域。我们的工作介绍了智能粉尘概念，化学感应，基于纸张的传感器技术和低成本无人机，可在高风险场景中对危险化学物质的灵活，敏感，经济和快速检测。
UNIAP：通过几次学习
弱监督的时间动作本地化旨在通过仅将视频级标签作为监督来定位行动区域并同时确定未修剪视频中的动作类别。伪标签生成是解决具有挑战性的问题的一种承诺策略，但是熟悉的方法忽略了视频的自然时间结构，可以提供丰富的信息来协助这种常规过程。在本文中，我们通过推断出明显的摘要 - 特征提出了一种新型弱监督的时间动作定位方法。首先，我们设计了一个显着推理模块，该模块利用了临时邻居片段之间的变化关系以发现显着的摘要功能，这可以反映视频中的显着动态变化。其次，我们引入了一个边界改进模块，该模块通过信息介绍单元增强了显着的摘要功能。然后，引入了一个歧视增强模块，以增强摘要特征的歧视性质。最后，我们采用精致的摘要功能来制定高保真伪标签，可用于进行动作本地化网络的培训。对两个公开数据集进行的实验实验，即，Thumos14和ActivityNet V1.3，与最先进的方法相比，我们所提出的方法取得了重大改进。我们的源代码可在https://github.com/wuli555555/issf上找到。
精确雷达定位的神经误差协方差估计
自动驾驶汽车由于技术进步及其改变转移的潜力而引起了极大的关注。该领域中的一个关键挑战是精确的定位，尤其是在基于激光雷达的地图匹配中，由于数据中的退化，这很容易出现错误。大多数传感器融合技术，例如卡尔曼过滤器，都依赖于每个传感器的准确误差协方差估计来提高定位精度。但是，获得地图匹配的可靠协方差值仍然是一项复杂的任务。为了应对这一挑战，我们提出了一个基于神经网络的框架，用于预测LIDAR地图匹配中的本地化错误协方差。为了实现这一目标，我们引入了一种专门设计用于错误协方差估计的新型数据集生成方法。在使用Kalman滤波器的评估中，我们实现了2 cm的定位准确性，这是该域的显着增强。
deepSense-v2v：车辆到车辆多模式感应，定位和通信数据集
摘要 - 高数据速率和低延迟车辆到车辆（V2V）通信对于未来的智能运输系统至关重要，以实现协调，增强安全性和支持分布式计算和情报要求。但是，制定有效的沟通策略需要现实的测试场景和数据集。这在高频带中很重要，在高频带中，有更多的频谱可用但收获该带宽受到方向传输的需求和信号传播对阻塞的敏感性的挑战。这项工作介绍了第一个用于研究MMWave车辆到车辆通信的大规模多模式数据集。它提出了一个两辆车测试台，该床包括来自360º相机，四个雷达，四个60 GHz阶段阵列，一个3D激光雷达和两个精确的GPS的数据。数据集包含白天和黑夜驾驶的车辆，在城堡和农村环境中，速度为120公里，速度高达每小时100公里。从卡车到自行车的所有图像中都检测到超过一百万个物体。这项工作进一步包括详细的数据集统计信息，这些数据集统计数据证明了各种情况的覆盖范围，并突出了该数据集如何启用新颖的机器学习应用程序。
心脏乙酰胆碱酯酶和丁乙烯酯酶具有独特的定位和功能
未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本的版权持有人（该版本发布于2024年6月2日。; https：//doi.org/10.1101/2024.05.29.596481 doi：Biorxiv Preprint
牛和猪基因组中可能致病变异的证据和定位
摘要背景：本文回顾了当代猪和牛参考基因组中已发表的潜在致病变异的定位及其因果关系的证据。尽管从基因图谱和全基因组关联研究中鉴定致病变异本身就很困难，但动物遗传学研究人员已经针对几种与牲畜育种相关的性状提出了推定的致病变异。结果：为了进行这篇综述，我们阅读了支持牛和猪的 13 个基因（ABCG2、DGAT1、GHR、IGF2、MC4R、MSTN、NR6A1、PHGK1、PRKAG3、PLRL、RYR1、SYNGR2 和 VRTN）存在潜在致病变异的文献，并将它们定位在当代参考基因组中。我们审查了它们之间的因果关系的证据，旨在将基因座、拟议的致病基因和拟议的致病变异的证据区分开来，并报告在牛或猪基因组中定位序列变异所需的生物信息学搜索和策略。结论：总而言之，通常有很好的证据表明基因座水平存在关联，八个基因座存在特定致病基因的证据，六个基因座存在特定致病变异的一些实验证据。我们建议报告新的潜在致病变异的研究人员使用参考坐标系统，显示本地序列上下文，并将变异提交到存储库。
皮质表面电位的柱状定位和层状起源
1 劳伦斯伯克利国家实验室生物系统与工程部，加利福尼亚州伯克利 94720，2 加利福尼亚大学伯克利分校物理系，加利福尼亚州伯克利 94720，3 艾伦脑科学研究所，华盛顿州西雅图 98109，4 加利福尼亚大学伯克利分校/旧金山分校神经工程与假肢中心，加利福尼亚州伯克利 94720-3370，5 加利福尼亚大学伯克利分校电气工程与计算机科学系，加利福尼亚州伯克利 94720，6 加利福尼亚大学伯克利分校海伦威尔斯神经科学研究所和雷德伍德理论神经科学中心，加利福尼亚州伯克利 94720，7 劳伦斯伯克利国家实验室科学数据部，加利福尼亚州伯克利 94720，以及 8 劳伦斯伯克利国家实验室生物系统与工程部，加利福尼亚州伯克利 94720
使用电阻记忆和超声波换能器进行神经形态物体定位
现实世界的传感处理应用需要紧凑、低延迟和低功耗的计算系统。混合忆阻器-互补金属氧化物半导体神经形态架构凭借其内存事件驱动计算能力，为此类任务提供了理想的硬件基础。为了展示此类系统的全部潜力，我们提出并通过实验演示了一种用于现实世界对象定位应用的端到端传感处理解决方案。从仓鸮的神经解剖学中汲取灵感，我们开发了一种生物启发的事件驱动对象定位系统，将最先进的压电微机械超声换能器传感器与基于神经形态电阻式存储器的计算图结合在一起。我们展示了由基于电阻式存储器的巧合检测器、延迟线电路和全定制超声传感器组成的制造系统的测量结果。我们使用这些实验结果来校准我们的系统级模拟。然后使用这些模拟来估计对象定位模型的角度分辨率和能量效率。结果揭示了我们的方法的潜力，经评估，其能量效率比执行相同任务的微控制器高出几个数量级。
l-sort：用于实时多渠道尖峰与本地化的高效硬件
摘要 - Spike分选对于从神经信号中提取神经元信息并了解脑功能至关重要。随着高密度微电极阵列（HDMEAS）的出现，多通道尖峰分类的挑战和机遇已经加剧。实时尖峰排序特别对于闭环大脑计算机界面（BCI）介绍至关重要，要求有效的硬件实现。本文介绍了L-Sort，这是一种用于实时多通道尖峰排序的硬件设计。利用尖峰定位技术，L-SORT可实现有效的尖峰检测和聚类，而无需在检测过程中存储原始信号。通过合并中值阈值和几何特征，L-SORT在准确性和硬件效率方面展示了有希望的结果。我们使用使用高密度神经探针（Neuropixel）记录的公开数据集评估了设计的检测和聚类精度。我们在FPGA上实施了设计，并将结果与最先进的状态进行了比较。结果表明，与其他基于FPGA的Spike分类硬件相比，我们的设计消耗了更少的硬件资源。索引术语 - Spike Anting，Spike Netization，Hardware