XiaoMi-AI文件搜索系统
World File Search System三维图
根据二维数据构建和优化三维图谱并应用于小鼠大脑发育
摘要 3D 成像数据需要 3D 参考图谱才能进行准确的定量解释。现有的从 2D 衍生图谱生成 3D 图谱的计算方法会产生大量伪影，而手动管理方法则需要大量劳动力。我们提出了一种 3D 图谱构建的计算方法，通过识别底层成像数据中的解剖边界并使用这些边界来指导 3D 转换，大大减少了伪影。解剖边界还允许将图谱扩展到完整的边缘区域。将这些方法应用于 Allen 发育小鼠大脑图谱 (ADMBA) 中的八个发育阶段，可以得到更全面、更准确的图谱。我们从 15 个完整的小鼠大脑生成了成像数据来验证图谱的性能，并观察到了定性和定量的改进（图谱和解剖边界之间的一致性提高了 37%）。我们提供 MagellanMapper 软件和八个 3D 重建的 ADMBA 图谱作为流程。这些资源有助于在样本之间和整个发育过程中进行全器官定量分析。
SiMAMT：基于策略的多智能体多团队系统的交互式三维图形仿真环境
多智能体多团队环境复杂而繁琐。通常的做法是简化结构，为每个智能体使用单一策略，例如在群集或群体算法中。虽然这种类型的模拟环境可以提供在系统内工作的多个智能体，但它们的交互是单维的，并且它们的群体行为很少。相比之下，SiMAMT 是一种分层的、基于策略的方法，它提供由独立智能单个智能体实现的大规模、复杂的战略计划。这些智能体是独立的，因为它们有自己的天赋、技能、能力和行为，这些都受到上层（例如团队）给它们的命令的影响。这些智能体可以都有自己的行为，或者几个智能体可以有类似的行为，或者整个团队可以共享一种行为，具体取决于场景。此外，SiMAMT 在各个层面都利用基于策略的行为，因此玩家会受到团队策略的影响，团队会受到单位策略的影响，单位会受到营策略的影响，等等。环境需要的任何层次结构（体育、军事、组织等）都可以由 SiMAMT 系统支持。模拟环境提供 3D 可视化环境，可以从整体角度和每个代理的第一人称视角查看模拟的进度。这种组合视图可以深入了解结构层次结构的每一层是如何执行的——代理、团队、整体交互等。此外，它还提供了每个团队正在使用的策略、每个代理的行为以及两者重叠的总体视图。模拟还在模拟运行时提供统计数据，以传递观察、转换、最有可能的策略（SiMAMT 框架提供战略推断来确定环境中其他团队最有可能采用的策略）和整体模拟结果。总体而言，模拟的目标是让多智能体团队在互动时间内发挥战略性，同时进行策略推理以提高其绩效。SiMAMT 模拟实现了这一目标，这将在实验中得到证明。
用于人眼安全闪光激光雷达的盖革模式三维图像传感器
近年来，许多探测器被发射到月球、行星、小行星和彗星进行科学观测。许多探测器都携带了光探测和测距 (LIDAR) 系统，其测量范围从几十公里到几百公里 [1, 2, 3, 4, 5]。我们已经为远程 LIDAR 接收器开发了定制 IC“LIDARX”，它将安装在火星卫星探测器 (MMX) [6] 上。另一方面，如果航天器降落在月球或行星上进行科学观测或资源勘探，航天器的着陆点通常是未开发地点，这些地点可能并不总是着陆的理想地点。在这些未开发地点进行精确着陆需要三维 (3D) 图像，以便在着陆前立即测量地形、避障和检测相对于地面的姿态。美国宇航局的自主着陆和避险技术 (ALHAT) 项目正在开发一种系统，用于快速自主地识别未来行星着陆装置 GN&C 的安全着陆点 [7, 8, 9]。在 ALHAT 中，Flash LIDAR [10, 11, 12, 13] 被定位为障碍物检测的重要传感器。作为一个典型的例子，2016 年发射的 OSIRIS-REx 使用 Flash LIDAR 进行制导、导航和控制 [14, 15, 16, 17]。Flash LIDAR 是一种以类似于闪光摄影的方式捕获 3D 图像的传感器，通过将激光脉冲散射并照射到相机的视场上，相机会