XiaoMi-AI文件搜索系统
World File Search Systemswarm
Silent Swarm ® 无人值守电子战系统 - SRC, Inc.
该系统不显眼，非常适合长期部署在敌对地区。它可以用作无人值守的诱饵，利用电子战综合重编程数据库 (EWIRDB) 经过验证的雷达发射器情报数据来模仿 BLUFOR 和 REDFOR 雷达和武器系统及通信。该系统还提供先进的网络和非传统情报、监视和侦察功能，用于识别和利用对手。
群体机器人在 CBRN 净化中的应用：增强……
作者：A Konukbay · 被引用 1 次 — 在这篇评论文章中，我们探讨了群体机器人在 CBRN（化学、生物、放射性和核）净化过程中的集成。
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。
战斗管理系统中的 Swarm 态势感知
多架无人驾驶飞行器 (UAV) 的使用越来越重要。因此，人与机器人之间的交互及其交互设计变得越来越重要，尤其是在战场上的军事侦察中。然而，无人机群规模的不断扩大带来了许多需要解决的挑战，例如复杂的高动态情况增加了对用户的需求。在这项工作中，研究了符合人体工程学的人机交互显示的应用导向选项，重点关注战斗管理系统中的群体。在文献调查中，确定了单个操作员监控大型群体作为高度自动化系统时可能出现的潜在应用和挑战。此外，还确定了已经存在的设计指南。根据这些结果，我们设计了四种不同的群体可视化布局原型，目的是获得全面的态势感知。
空中客车和量子系统在自主群技术方面取得进展
在成功的测试中，量子系统的向量和蝎子UA和空中客车的另外两台多用途无人机部署在群体中。实时合并了所有无人机的侦察数据，以形成联合情境图片，并集成到空中客车“ Fortion Joint C2”战斗系统中。此外，矢量无人机证明了他们在GPS贬义的条件下（GNSS拒绝）（例如在乌克兰发现的）中自主执行诸如联合侦察和目标获取等任务的能力。这强调了AI提高UAS的弹性的能力，即使在困难条件下，也可以确保自主运行。
是基于人造群智能的新基础AI架构
我有计算机科学的孟。在云体系结构，人工智能，机器学习，深度学习，图像处理，计算机视觉和高性能计算方面进行了正式教育，我写了关于计算心理学的论文，关于如何以及为什么深度学习神经网络互操作数据的研究以及对机器学习模型的含义。
无人机群体行为建模，用于早期发现故障模式
无人机 (UAV) 的进步，更具体地说是将大量自主无人机组成“群体”。这些群体形成有组织的飞行器集群，以集体形式执行多方面的操作。尽管无人机群体提供了诸多好处，但工程团队在设计无人机群体系统时仍必须克服一些障碍。一个关键领域是创建和理解群体行为并揭示可能影响预期任务的所有潜在故障场景。这项研究使用 Monterey Phoenix (MP) 来建模系统行为，将它们分组为可能的行为者行为的不同、可重复使用的代理类模型，并将行为者交互建模为单独的约束。这种方法能够从这些模型中计算行为者行为的每一种可能变化以及所有其他可能的行为者行为，从而生成一组详尽的可能场景或事件轨迹。通过对这些事件轨迹进行手动检查或半自动断言检查，可以发现不需要的和不良的行为和故障模式，这使得任务规划人员能够采用必要的故障安全行为来抵消这些未经请求的实例。
使用自主无人机群监测和封锁野火
摘要：无人驾驶飞行器或无人机已成为消防员用于监测野火的设备中不可或缺的一部分。然而，它们仍然通常仅用作远程操作的移动传感平台，由人类飞行员直接实时控制。同时，大量文献强调了自主无人机群在各种态势感知任务中的潜力，包括在环境保护背景下。在本文中，我们介绍了通过数值方法（即蒙特卡罗模拟）进行系统调查的结果。我们报告了对关键参数（例如火势蔓延动力学、观察表面积和群体大小）对无人监督下自主无人机部队性能的影响的见解。我们限制使用无人机进行被动传感操作，目的是为地面上的消防员提供实时态势感知。因此，目标被定义为能够定位模拟火灾事件，然后在其周围建立连续的边界（警戒线），以提供实时数据馈送，例如视频或红外线。特别强调仅使用简单、强大且可实际实施的分布式决策功能，这些功能能够支持群体在追求集体目标的过程中进行自组织。我们的结果证实了上述参数之间的相互作用存在强烈的非线性效应，可以使用经验定律进行近似。这些发现可以根据已知的任务特征和可接受的几率（成功几率）逐案调动足够的资源。
一种新的群体收集任务方法，用于持续的情境意识
涉及移动临时传感器代理的群技术应用程序越来越多地扩展到多个军事问题领域，例如战术智能，监视，目标获取和侦察（ISTAR）。在Istar中，由半自主传感器组成的团队合作实现了收集任务和执行，以弥合信息需求和信息收集之间的差距，以保持持久的情境意识。最新的贡献在很大程度上暴露了多维问题的复杂性。突出显示有限的板载传感器平台资源能力和能源预算，他们经常采用临时规定的传感器行为，从而导致过度保守的连接限制，偏见的决策和/或融合解决方案结构。这些可能会任意传达巨大的机会成本，并有害影响整体绩效。提出了一种创新的方法来处理移动临时传感器网络/群集收集任务问题，但要遵守有限的处理能力和有限的能源预算，以进行数据传播/通信路由。在有限的车载电源注意事项的驱动下，收集计划是集中式的，并由群体领导者进行了情节介导，而计划执行则分散。收集计划依赖于带有反馈决策模型公式的新开环。它是反复解决在退缩时间范围内最大化收集值的静态决策问题。情节决策由传入的请求，累积收集价值，持续的资源承诺，剩余资源能力和上一个阶段的反馈来调节。该方法结合了一个新的紧凑图表表示和一个合理的近似决策模型，以执行传感器代理路径计划优化，但要定期连接，以实现信息共享，融合，情境意识和动态解剖/计划。提出的最小跨越树沟通方案赋予了群体拓扑意识，并结合主张的连通性约束处理方法提供了理想的灵活性，以显着扩大整体可观察的域；探索更大的解决方案空间；减少能耗；最大化网络范围；并提供预期的收集最终提高情境意识。
模块化异构集群自主在轨卫星组装
本文提出了一种分散式、分布式制导与控制方案，将异构卫星组件群组合成大型卫星结构。异构卫星群的组件卫星的选择以提高最终形状的灵活性，其灵感来自晶体结构和伊斯兰瓷砖艺术。在选择理想的基本构建模块后，进行基本的纳米卫星级卫星设计，以协助涉及姿态控制的模拟。群体轨道建造算法 (SOCA) 是一种制导和控制算法，用于实现在轨组装所需的有限类型异构性和对接能力。该算法由两部分组成：分布式拍卖使用障碍函数来确保为每个目标选择合适的代理；轨迹生成部分利用模型预测控制和顺序凸规划来实现到达所需目标点的最佳无碰撞轨迹，即使在非线性系统动力学的情况下也是如此。优化约束使用边界层来确定是否应应用防撞约束或对接约束。该算法在模拟扰动 6 自由度航天器动态环境中针对平面和非平面最终结构以及两个机器人平台（包括一群无摩擦航天器模拟机器人）进行了测试。