XiaoMi-AI文件搜索系统
World File Search Systemobjects
最佳基于Cosserat的变形控制线性对象的机器人操纵
摘要 - 可构造的对象操纵是一个充满挑战的研究主题，它引起了对机器人领域的日益兴趣，因为已经出现了解决此问题的新方法。到目前为止，文献中的大多数提出的方法都集中在形状控制上。被忽略了应用于物体的应变，因此排除了操纵脆弱产品的大部分工业应用，例如橡胶和塑料物体的脱胚层或食物的处理。这些应用需要在准确性和仔细操纵之间进行权衡，以保留操纵对象。在本文中，我们提出了一种方法来最佳控制线性和平面变形对象的变形，同时还最大程度地减少对象的变形能。首先，我们修改了最初为线性软机器人控制开发的框架，以使其适应可变形的物体机器人操作。为此，我们将问题重新制定为一个优化问题，其中考虑对象的整体形状，而不是仅专注于对象的位置和方向的尖端。然后，我们在成本函数中包含一个能量项，以找到在达到所需形状的同时最小化操纵物体中潜在的弹性能量的解决方案。对于高非线性问题的解决方案众所周知，很难找到对局部最小值的敏感性。我们定义了连接对象的已知初始和最终配置并顺序解决问题的中间最佳步骤，从而增强了算法的鲁棒性并确保解决方案的最佳性。然后使用中间最佳配置来定义机器人的终端效果轨迹，以使对象从初始配置变形为所需的配置。索引术语 - 可通知的对象操纵，机器人技术，形状控制，优化，轨迹生成
解决自主驾驶感知的开放式对象检测：关注道路对象
摘要 - 预计自动驾驶汽车（AV）将采取安全有效的决定。因此，AVS需要对现实世界的情况进行健壮，尤其是应付开放世界的设置，即处理新颖性的能力，例如看不见的对象。经典的对象检测模型经过训练，以识别一组预定义的类，但在推理阶段很难概括为新颖的类。开放式对象检测（OSOD）旨在解决正确检测未知类别对象的挑战。但是，自主驾驶系统具有特定的开放式特性，这些特性尚未涵盖OSOD方法。的确，检测误差可能导致灾难性事件，强调优先考虑盒子检测质量而不是数量的重要性。此外，可以利用在公路场景中遇到的物体的特定特征来改善其在开放世界中的检测。在这种情况下，我们介绍了一种新的自主驾驶感知对象的定义，从而实现了AV专业的开放式对象检测器创建的ADO的命题。所提出的模型使用了一个新的分数，该分数从语义分割的背景基础真理中学到了。在道路对象评分上的这一点可以衡量该对象是否在可驱动区域上，从而增强了未知检测的选择。实验评估是在模拟和现实世界数据集上进行的，并揭示我们的方法的表现优于未知对象检测设置中的基线方法，在已知对象上与封闭式对象检测器具有相同的检测性能。
透明物体的非破坏性光学测量
图3。透明对象识别和分割的光场失真功能在允许的情况下重现26。版权所有2015，Elsevier Inc.（a）背景失真来自不同对象，（b）背景失真从改变观点而变形，表明光场的失真与对象本身密切相关。（c）光场传播，表明透明对象的参与会改变光场的分布和相位。
基于视觉的导航系统使卫星能够接近或避开太空中的其他物体
GNC 测试设施的 Joris Belhadj 补充道：“实验室的模型卫星（称为 BlackGEO）的制造包含了地球静止卫星地形的典型元素，并采用了包括多层绝缘和太阳能电池在内的典型卫星表面材料，以增强其光学代表性。这颗卫星也是由 Blackswan 根据 ESA 合同生产的，我们实验室的任何客户现在都可以使用它。”
高能双能计算机断层扫描，用于表征大而厚的物体
通常的计算机断层扫描（CT）系统提供有关组成对象的材料的布局和性质的信息。但是，此信息仅限于材料的明显线性衰减µ。要以有效的原子数z eff和电子密度ρe的形式达到更精确和准确的描述，可以使用双能量成像。常规的双能计算机计算机（DECT）技术是：（a）进行预处理的双能数据集并执行常规CT重建[1]，（b）重建双能量数据集并分析获得的线性衰减数据集的比例，并在A上进行了一定的材料[2，3]和（C）[2，3]，3]和（C） [4-6]。第二种技术相对方便地设置，但并非完全独立于能量。第三种技术已被证明相当有效；但是，它提出了一个用于分解的材料基础选择的问题。检查由大量不同材料组成的复杂物体时，此选择可能至关重要。因此，这项工作着重于将第一个技术扩展到高能，因为它不需要对材料进行任何假设，并通过系统频谱响应考虑了光束硬化效应。DEV源通常是X射线管，将诊断能范围限制在几百kV中。对于大而厚的物体，必须具有等效的X射线衰减，高达1 m的混凝土，高能（> 6 mV）的扫描仪是强制性的。[1]和Azevedo等。[7]需要扩展。在这样的能量下，E + E - 对生产优先于光电效果，而Alvarez等人启动了双能分解的工作。由于E + E - 对生产横截面𝜎 𝜎没有分析公式，该模型以第二阶多项式𝑔𝑔（）的形式将贡献与原子数Z分开，并从能量E分开，并提出了第三阶多项式𝑔𝑃𝑃（）和第三阶多项式1𝑓（and）。
E-TAN，一个用于评估视觉忽视的技术增强平台，具有实物特征：一项多案例研究
视觉忽视是右脑损伤的常见后果，并且会导致残疾。传统的纸笔式忽视测试在敏感性和生态效度方面存在局限性。相反，烤盘任务 (BTT) 更贴近现实生活，因为它要求参与者在一块板上放置 16 个物体。放置在板子左右两边的物体数量提供了视觉忽视的临床指标。我们在此介绍 E-TAN，这是一个技术增强平台，允许患者执行增强版的 BTT (E-BTT)。该平台会自动确定板上的物体位置，并记录放置物体的顺序和时间。我们使用 E-BTT 测试了 9 名右半球受损的患者，并将他们的表现与 115 名健康参与者的表现进行了比较。为此，我们开发了一种新的参与者表现分析方法，该方法基于使用板上物体描述的凸包。该测量方法提供了每个参与者处理的空间部分的估计值，并且可以有效区分忽视患者和没有忽视的患者。 E-TAN 允许临床医生使用方便、快速且相对自动化的程序来评估视觉空间表现，患者甚至可以在家中进行该程序以跟踪康复效果。
适用于自主连接对象的超低功耗宽带 NMOS LC-VCO 设计
摘要 — 本文介绍了一种完全集成的亚阈值 LC 压控振荡器 (VCO)。还提出了一种设计方法来寻找降低功耗的最佳参数。该方法已应用于设计不同频带的振荡器。此外，自适应体偏置技术已用于改善启动约束并允许对 PVT（工艺、电压和温度）变化具有很高的免疫力。利用所提出的方法，在 0.13μm CMOS 中实现了在 5 GHz ISM（工业、科学和医疗）频段工作的 VCO。它在 0.39V 电源电压下仅消耗 468 μW。这使得满足自主连接对象和物联网应用所需的规格成为可能。测得的振荡频率可以从 5.14 GHz 调整到 5.44 GHz。获得的相位噪声在布局后仿真 (PLS) 中约等于 – 112 dBc/Hz，在测量中约等于 -104.5 dBc/Hz。
开发学习和验证的学习 - 对象 - iamed-at-...
通过将基于计算思维（CT）的数学推理与幼儿教育进行通过编程恐龙游戏，旨在通过使用学习对象（LOS）来提高服务前教师的教学技能。此外，还探索了LOS构造的框架，以与教学目标保持一致，并强调学生数学成果的重要性，对CT概念的理解以及教师用来帮助学生解决问题的过程。本研究利用评估网格工具来评估数字学习资源，发现表明57位职前教师评估的LOS高质量。我们的研究表明，如何创建和使用LO进行教师的教学发展，重点关注教学方法和在CT活动中的数学知识的应用。
空间物体分类选定算法的分析
摘要 随着来自世界各地众多设施的天文数据的增加，对更快、更复杂的数据分析方法的需求也随之出现。对天空中大量物体的大量观察所捕获的数据可以非常快地达到很大的体积，这使得科学家无法手动分析。这就需要快速可靠的自动化数据处理方法，这可以在计算机科学研究中找到。利用不同研究领域使用的算法对于处理有关天体的信息至关重要。在这项工作中，我们将计算机科学领域的机器学习方法应用于天文学问题。我们列出了三种不同的机器学习算法及其内部工作原理，并展示了如何将它们应用于天文学问题。我们展示了如何使用这些算法来加速大量数据的处理，以及它们如何帮助科学家对天体进行分类。我们研究了每种算法的表现，并尝试根据不同物体的特征，在分类问题中找到表现最佳的算法。关键词 knn、朴素贝叶斯、决策树
使用机器学习技术对人造海洋物体的智能空降监控 - 第一部分类型文章URL https://clok.uclan.ac.uk/
由于地球的海洋占其总表面积的三分之二，海洋经济在历史上一直高度多样化。随着技术的进步，领先的企业和生态组织正在建造和动员新的设备，这些设备由尖端的海洋机电一体化解决方案支持，以探索和利用这一充满挑战的环境。自动跟踪这些类型的行业以及周围的海洋生物可以帮助我们发现导致物种数量变化的原因，预测将来会发生什么，并制定正确的政策来帮助减少环境影响并使星球更具可持续性。这项研究的目的是创建一个新的平台，以自动检测不规则形状的人造海洋物体（ISMMMOS），该数据集中来自海洋航空调查图像的大型数据集。在这种情况下，开发了一种新型的非参数方法，该方法具有几种混合统计机器学习（ML）方法，以在大型调查中自动在海面上的ISMMMOS进行分割。这种方法在广泛的海洋领域得到了验证，提供了强大的经验概念证明。