XiaoMi-AI文件搜索系统
World File Search System主系统
预计每学期开设的课程 机器人与自主系统 以下课程表基于历史模式和预期安排。
课程编号 课程名称 先修课程* 夏季 秋季 春季 525.610 机器人系统的微处理器 525.637 强化学习基础 O 525.642 使用 VHDL 进行 FPGA 设计 O VL/O VL/O 525.645 现代导航系统 OO 525.661 无人机系统与控制 525.609 OO 525.728 检测与估计理论 525.614 VL O 525.777 控制系统设计方法 525.666, 525.609 IP（奇数） 535.622 机器人运动规划 OO 535.630 机器人运动学与动力学 OO 535.642 机械工程控制系统 O 535.645 数字控制与系统应用 535.642 O 535.724 机器人动力学和航天器 O 535.726 机器人控制 535.630 IP 535.741 最优控制与强化学习 535.641 O 605.716 复杂系统的建模与仿真 VL 605.724 应用博弈论 O 605.745 不确定性下的推理 O 625.615 优化简介 OO 625.741 博弈论 625.609*, 625.603* O (偶数) 625.743 随机优化与控制 625.603* VL (奇数) 665.645 机器人人工智能 VL VL VL 665.681 传感系统的应用 AS.110.109, 605.206 VL VL VL 665.684 机器人系统开发685.621, 535.641, 605.613, 535.630 VL VL VL
皮肤传感器建模，实现更智能、更安全的自主系统
摘要 智能传感器越来越多地集成到自主系统中，尤其是在物联网的背景下，这需要全面、更安全、适应性强且可靠的解决方案。在复杂环境中对它们的动态行为进行建模仍然是一项挑战。本研究适合这些领域，并通过计算建模电容式和电感式皮肤传感器，以确保强大的功能和无缝的物联网集成。本研究引入了一种物联网集成多传感器的强大模型，展示了它们将环境中的电容变化转换为电流信号并对其进行整形以用于控制目的的能力，这对于智能皮肤传感器系统至关重要。间隔计算用于优化集成传感器的参数。该分析强调了它们对触摸和环境条件的敏感性，这对于开发此类系统更安全、更智能的响应至关重要。它展示了传感器与物体距离的变化如何影响集成传感器行为的优化，这对于管理实际应用中的不确定性、确保可靠和一致的性能至关重要。作者提出了一种将智能皮肤传感器与自主物联网系统集成的模型。该模型在小型化、与纳米发电机集成和可扩展性方面表现出巨大潜力，特别适合物联网应用。该研究证实了这些模型在设计智能自主传感器阵列方面的实用性，这些传感器阵列能够在复杂、动态且安全至关重要的物联网环境中稳定无故障地运行。
安全且安全的自主系统的物理信息数据驱动的技术
主要主管：Amy Nejati博士（amy.nejati@newcastle.ac.uk）摘要。该项目的中心愿景是在数据驱动的技术中开创开创性的进步，这些技术为验证和设计安全可安全的自主系统（AS）提供了数学上的信心。随着复杂的现实世界应用程序扩展，分布式物理系统越来越多地与计算组件相互作用，所有这些都在不确定的环境中运行。网络组件与物理环境之间的这种相互作用可能导致信息泄漏，从而使系统安全处于危险之中。因此，必须同时解决安全性和安全性。现代应用程序典范并在各种行业中扮演着至关重要的角色，尤其是在安全至关重要的系统中，例如智能运输系统，机器人技术，生物网络和自动化的制造系统。
人工智能和自主系统的法律法规
摘要。我们的监管体系试图跟上新技术的步伐，通过重新调整和调整监管框架来提供新的机遇和风险，赋予权利和义务、安全和责任框架，并确保企业的法律确定性。这些调整是被动的，有时是零碎的，往往是人为划分权利和责任，并产生意想不到的连锁后果。以前，技术被更多地像工具一样部署，但随着自主性和自学能力的提高，机器人和智能人工智能系统将越来越不像机器和工具。现在有一个显著的区别，因为机器学习人工智能系统有能力学习、调整其性能，并从数据和“生活经验”中“做出决策”。本章简要介绍了我们监管体系的一些热门发展，以及当前关于人工智能、自主和智能系统的使用和行动所带来的一些风险和挑战的争论。[1]
AI安全问题的景观 - 一种支持基于AI的自主系统安全保证的方法
摘要 - 手工智能（AI）已成为一项关键技术，推动了一系列应用程序的进步。将其集成到现代自主系统中需要确保安全。但是，确保合并AI组件的系统安全性的挑战是很大的。缺乏具体的规格，以及操作环境和系统本身的复杂性，导致了不确定行为的各个方面，并使令人信服的系统安全证据的推导变得复杂。尽管如此，学者们建议彻底分析和减轻AI特异性的不可能，即所谓的AI安全问题，该问题提供了支持令人信服的保证案例的基本证据。在本文中，我们以这个想法为基础，并提出了AI安全问题的所谓景观，这是一种新颖的方法，旨在通过系统地证明缺乏AI安全问题来支持基于AI的系统的安全保证案例。通过涉及无人驾驶区域火车的案例研究来说明该方法论的应用，并证明了其实用性和有效性。索引条款 - AI安全，保证案例，自主系统，机器学习
机器人技术和自主系统次要（CMSC）
机器人技术和自主系统（RAS）小调向主修航空工程，电气和计算机工程，机械工程和计算机科学的学生开放。未成年人采用多学科的方法来机器人技术，在该方法中，学生可以获得有关机器人技术和自主系统的设计，控制，编程和集成的知识。强调动手体验，学生将通过课程，小组项目和研究获得实践技能。学生将有机会参加同伴导师和导师。次要计划还将包括与机器人技术领域的学术，公司和/或政府领导者的定期互动，他们将担任导师和专业联系人。
人工智能在自主系统中的演变：创新，
摘要：人工智能 (AI) 的快速发展催化了自主系统的重大发展，这些系统正日益影响着交通、机器人和工业自动化等各个领域。本文探讨了支撑这些自主系统的人工智能技术的发展，重点关注它们的能力、应用和面临的挑战。讨论的关键领域包括推动自主性的技术创新，例如机器学习算法和传感器集成，以及在自动驾驶汽车、无人机和机器人系统中观察到的实际应用。此外，本文还讨论了影响自主技术部署和接受的关键挑战，包括安全、道德问题和监管问题。通过研究当前趋势和未来前景，本研究旨在全面概述人工智能如何改变自主系统格局，并确定未来研究和开发的关键领域。
物理学：通过一致性推理为自主系统的物理攻击
由深神经网络（DNN）赋予的自动驾驶汽车（AV）为我们的社会带来了变革性的变化。但是，他们通常容易受到对抗攻击的影响，尤其是在物理上可实现的扰动，这些扰动可能会误导感知并引起灾难性的结果。尽管现有的防御能够表现出成功，但仍需要提高鲁棒性，同时保持效率以实现实时系统操作。为了应对这些挑战，我们介绍了物理素，这是一种构成的解决方案，利用多方面的推理来进行误解检测和校正。此防御构建在物理特征上，包括静态和动态对象属性及其相互关系。为了有效地整合了这些不同的来源，我们基于条件随机字段开发了一个系统，该系统将对象和关系建模为空间 - 时空图，以在感知到的场景上进行整体推理。为了确保防御不会违反实时网络控制循环的时序要求，我们介绍了工作负载的运行时间特征，以并行化和管道执行量实现。通过模拟数据集和现实世界驾驶测试，可以在实验上验证物理的功效。它还证明了针对自适应攻击的弹性，以及将基本原则应用于视力超出视觉方式的其他方式的潜力。