XiaoMi-AI文件搜索系统
World File Search Systemunmanned
2011-2036财年无人系统综合路线图
美国及其盟军的作战行动继续凸显无人系统在现代作战环境中的价值。作战指挥官 (CCDR) 和作战人员重视无人系统的固有特性，尤其是其持久性、多功能性和降低对人类生命的风险。美国军种正在所有领域迅速增加这些系统的部署数量：空中、地面和海上。无人系统为联合指挥官提供了多种能力，使其能够在整个军事行动范围内开展行动：环境感知和战场感知；化学、生物、放射和核 (CBRN) 检测；反简易爆炸装置 (C-IED) 能力；港口安全；精确瞄准；精确打击。此外，这些无人系统提供的能力还在不断扩展。
关于民用无人机分类的观点...
自成立以来，NASA 一直致力于推动航空航天科学的发展。NASA 科学技术信息 (STI) 计划在帮助 NASA 维持这一重要作用方面发挥着关键作用。NASA STI 计划在该机构首席信息官的主持下运作。它收集、组织、存档和传播 NASA 的 STI。NASA STI 计划提供对 NASA 航空航天数据库及其公共界面 NASA 技术报告服务器的访问，从而提供世界上最大的航空航天科学 STI 集合之一。结果在非 NASA 渠道和 NASA 的 NASA STI 报告系列中发布，其中包括以下报告类型： 技术出版物。已完成研究或重要研究阶段的报告，介绍 NASA 计划的结果，包括大量数据或理论分析。包括被认为具有持续参考价值的重要科学和技术数据和信息的汇编。NASA 同行评审的正式专业论文的对应文件，但对手稿长度和图形演示范围的限制不那么严格。 技术备忘录。初步或具有专门兴趣的科学和技术发现，例如快速发布报告、工作文件和包含最少注释的参考书目。不包含广泛的分析。 承包商报告。NASA 赞助的承包商和受助人的科学和技术发现。
无人固定翼飞机概念设计...
本文主要研究以太阳能电池为主要动力源的无人机 (UAV) 的空气动力学和设计。该过程包括三个阶段：概念设计、初步设计和飞行器计算流体动力学分析。电动无人机的主要缺点之一是飞行时间；从这个意义上说，挑战在于创建一种可以提高无人机续航能力的空气动力学设计。在本研究中，飞行任务从飞行器设计尝试达到最大高度开始；然后，无人机开始滑翔，并通过太阳能电池实现电池电量恢复。使用概念设计，空气动力学分析重点关注作为滑翔飞行器的无人机，计算从估计重量和空气动力学开始，并以最佳滑翔角度结束此阶段。事实上，气动分析是针对初步设计进行的；此步骤涉及无人机的机翼、机身和尾翼。为了实现初步设计，需要对气动系数进行估算，并进行计算流体动力学分析。
无人驾驶的自治障碍算法...
摘要 - 为了克服自动飞行中无人驾驶汽车（无人机）避免障碍物的挑战，本文提出了双重体验注意力卷积软卷积 - 批评者（DAC-SAC）算法。该算法与卷积网络集成了双重体验缓冲池，自我注意力的机制和软性批判性算法。由于缺乏成功的培训数据，双重体验缓冲池用于解决无效的无人机培训问题。为了克服处理图像数据中原始软演员 - 批评（SAC）算法的缺点，应用了卷积神经网络（CNN）来重建参与者和评论家网络，从而可以更好地提取图像特征提取和分类。此外，通过向网络添加卷积自我发项层来采用一种自我注意的机制。此修改可以根据不同输入图像特征对注意力重量进行动态调整，从而有效解决与焦点相关的挑战。进行了两个模拟实验，并且在处理未知环境时，DAC-SAC算法在已知环境中达到99.5％的成功率，成功率为84.8％。这些结果证实，即使将深度图像作为输入，提出的算法也可以避免无人机的自主障碍。
无人机系统作战 - Marines.mil
伊拉克自由行动和持久自由行动中的战斗强调了提高战场信息和情报的及时性和准确性的必要性，以提高海军陆战队地面部队在所有作战环境中的基本火力和机动能力。传统的海军陆战队空地特遣部队火力和能够影响和塑造作战环境的新兴能力必须全天候、每周 7 天和全天候可用。他们必须能够迅速准确地抓住一系列军事行动中发现的稍纵即逝的机会，同时支持机动战的概念。无人机系统是持久的联系和战斗倍增器，使海军陆战队空地特遣部队能够提高其态势感知能力并实现及时的联合兵种效能。
从……开始对无人驾驶飞行器的概述
摘要 航空业是技术的先锋产业之一，军事航空业对航空业的技术发展做出了巨大贡献。无人机 (UAV) 多年来一直应用于军事领域；然而，它们的民用应用相当新，而且正在迅速扩展。由于它们的能力和易于操作，它们已被用于各种操作，如监控、监视、遥感和交付。尽管它们的发动机和航空电子设备已经得到改进，但无人机在可靠性、安全性和维护方面仍然面临重大挑战。质量和安全管理概念对于民航业来说是不可避免的，并受许多法规和标准的约束。这些概念对于无人机来说尚未完全建立，法规和标准仍在制定中。本研究的目的是从航空质量和安全管理的角度对无人机进行概述。此外，还讨论了新趋势、发展和研究领域。
反小型无人机系统战略
我们最初的努力旨在满足各军种和作战指挥官的迫切需求。然而，随着 sUAS 技术和扩散继续以挑战国防部在当前范式下有效响应能力的速度发展，显然我们不能仅仅依靠物资解决方案。相反，我们必须重新审视如何应对 sUAS 给联合部队带来的日益严峻的挑战，方法是考虑和开发涵盖整个条令、组织、培训、物资、领导和教育、人员、设施政策 (DOTMLPF-P) 范围的解决方案。该战略为解决本土、东道国和应急地点的危险和威胁等各种 sUAS 问题提供了框架。随着技术和系统的发展，该战略将需要持续评估以确保国防部跟上步伐。要取得成功，国防部所有利益相关方必须齐心协力。各军事部门、作战司令部、联合参谋部和其他国防部部门将持续关注 sUAS，确保美国及其盟友和伙伴国家采取最有效的应对措施。
无人机系统的适宜性分析
无人机系统的权宜之计分析 D. Hůlek 1、M. Novák 2 1 布拉格捷克技术大学，交通科学学院，航空运输系，Horská 3, 128 03，布拉格 2，捷克共和国，电子邮件：hulekdav@fd.cvut.cz 2 帕尔杜比采大学，交通工程学院，交通管理、营销和物流系，Studentská 95，532 10 帕尔杜比采，捷克共和国，电子邮件：novak@upce.cz 摘要 本文的目的是介绍由布拉格 FTS 航空运输系 CTU 员工创建的无人机系统的权宜之计分析。权宜之计的原则是确定无人系统的使用是否适合某项活动。将无人系统与有人驾驶飞机的使用和不使用任何飞行器进行了比较。从安全、环境（包括社会学）和财务角度对无人机系统进行了比较。第一部分介绍了无人机系统领域的现状和上述三个观点。下一部分描述了用于分析创建的最重要的研究方法。本文的第三部分描述了权宜性分析本身及其创建。本文的最后一部分对分析进行了验证并进行了总体评估。关键词：UAS、UA、UAV、RPAS、RPA、无人机、权宜性分析、权宜性、UAV 适用性 1. 简介
通过...
本文使用的深层确定性策略梯度算法（DDPG）是一种策略学习方法，可输出连续动作。它来自确定性策略梯度（DPG）算法。它借鉴了Actor-Critic策略梯度的单步更新的优势，并结合了Deep Q Network（DQN）的体验重播和目标网络技术，以改善Actor-Critic方法的收敛性。DDPG算法由策略网络和目标网络组成。ddpg使用确定性策略来选择动作，因此输出不是行为的概率，而是特定行为。是策略网络的参数，t a是动作，而t是状态。目标网络将在一定时间段内固定网络中的参数，从而消除由当前网络和目标网络之间相同参数引起的模型振荡。DDPG算法具有强大的深神经网络拟合和概括能力，以及处理连续动作空间的优势，并通过在当前状态下学习最佳动作策略来连续训练和调整神经网络参数。
部门活动以保护某些设施或资产免受无人机和无人机系统的侵害
2018 年《预防新兴威胁法案》（“该法案”），公共法律第 115-254 号，H 部，§§ 1601–03，132 Stat. 3186，3522–30，相关部分编纂于 6 U.S.C. § 124n，允许授权的部门人员采取必要的保护措施，以减轻无人机或无人机系统对所涵盖设施或资产的安全构成的可信威胁。该法案要求在行使权力之前得到司法部长的指导。本指导落实了该要求。它指导司法部（“部门”）各部门寻求部门指定保护设施或资产的流程和标准，以及采取措施保护这些指定设施和资产的法律框架。它还指示部门各部门与联邦航空管理局（“FAA”）和其他实体协调保护措施，以解决这些措施对国家空域系统和其他活动的影响。