XiaoMi-AI文件搜索系统
World File Search System主系统
通过对话和解释迈向值得信赖的自主系统
自治系统在我们的社会中扮演着越来越重要的角色，但是，由于他们期望应对一系列社会，法律或技术挑战，并且基于NEU-MENAL网络的AI系统尚无法为许多这些挑战提供保证。尤其重要的是，这些系统是黑匣子决策者，侵蚀了人类的监督，竞争和代理机构。为了解决这一特殊问题，我的论文着重于将社会解释的AI与认知方法和自然语言处理整合到以室外用户访问的方式来阐明自主系统的内部过程。i提出了一种基于多代理系统中反事实模拟的决策的因果解释生成模型。我还计划将CEMA与更广泛的自然语言处理管道整合在一起，以支持针对性和个性化的解释，以解决人们的认知偏见。我希望我的研究能够通过建立更值得信赖的AI来对公众接受自主代理人产生积极影响。
vog云计算和IoT集成在机器人技术中启用了AI的自主系统
雾云计算和物联网通过授权支持AI的自主系统来改变机器人技术。这项研究分析了此整合的好处，缺点和用途。支持AI的自主机器人可以使用边缘计算和云资源来实时数据处理和决策，从而提高其性能和适应性。在生态系统中检查了通信协议，数据管理，安全性和可扩展性。案例研究揭示了这种融合如何影响机器人的应用。这项研究表明了FCC，IoT和AI如何提高机器人系统的效率，智能和自主权。本文涵盖了运输，制造，医疗保健，农业和智慧城市中支持AI的自治系统。这些技术可以提高许多领域的生产力和安全性，从自动驾驶汽车到手术机器人。整合这些技术会提高安全性，道德决策，数据隐私和安全问题。该报告强调了透明和道德的AI算法，无偏见的决策以及监管框架，以使负责任的集成和减轻危险。将来，支持AI的自主系统将由改进的AI算法，多模式传感，人类机器人协作和边缘智能来塑造。它强调了跨学科合作和负责技术发展中的道德考虑的必要性。这项研究以机器人技术的雾/云计算，物联网和AI的详细分析结束，揭示了启用AI支持自主系统的巨大希望和问题。负责任的发展和协作可以帮助我们谈判这种变革型边界，并使用AI驱动的自主系统创造一个更安全，更高效，更具创新性的社会。
更安全的学习自主系统的正式验证
R. S. Boyer和J. S. Moore。Boyer-Moore定理卖者。https://www.cs.utexas.edu/users/moore/best- indeas/nqthm/index.html。D. Cofer，R。Sattigeri，I。Amundson，J。Babar，S。Hasan，E。W。Smith，K。Nukala，D。Osipychev，M。A。Moser，J。L。Paunicka，D。D。D. D. Margineantu，L。Timmerman，L。Timmerman，and J. Q. Q. Q. stringfield。具有运行时保证的碰撞避免神经网络的飞行测试。2022年IEEE/AIAA 41st Digital Avionics Systems会议（DASC），第1-10页，2022年9月。R. Desmartin，G。O。Passmore，E。Komendantskaya和M. Daggit。 CheckInn：Imandra中的范围范围神经网络验证。 在第2022页中：第24届国际宣言节目原则和实践研讨会，佐治亚州第比利斯，9月20日至2022年，第3：1-3：14页。 ACM，2022。 S. Grigorescu，B。Trasnea，T。Cocias和G. Macesanu。 对自动驾驶的深度学习技术的调查。 Field Robotics Journal，37（3）：362–386，2020。 ISSN 1556-4967。 W. A. Hunt，M。Kaufmann，J。S。Moore和A. Slobodova。 使用ACL2进行工业硬件和软件验证。 皇家学会的哲学交易A：数学，物理和工程科学，375（2104）：20150399，2017年9月。 O. Isac，C。W。Barrett，M。Zhang和G. Katz。 通过证明生产的神经网络验证。 2022计算机辅助设计（FMCAD）中的形式方法，第38-48页，2022年。 K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。 飞机避免碰撞系统的政策压缩。R. Desmartin，G。O。Passmore，E。Komendantskaya和M. Daggit。CheckInn：Imandra中的范围范围神经网络验证。在第2022页中：第24届国际宣言节目原则和实践研讨会，佐治亚州第比利斯，9月20日至2022年，第3：1-3：14页。ACM，2022。S. Grigorescu，B。Trasnea，T。Cocias和G. Macesanu。对自动驾驶的深度学习技术的调查。Field Robotics Journal，37（3）：362–386，2020。ISSN 1556-4967。W. A.Hunt，M。Kaufmann，J。S。Moore和A. Slobodova。 使用ACL2进行工业硬件和软件验证。 皇家学会的哲学交易A：数学，物理和工程科学，375（2104）：20150399，2017年9月。 O. Isac，C。W。Barrett，M。Zhang和G. Katz。 通过证明生产的神经网络验证。 2022计算机辅助设计（FMCAD）中的形式方法，第38-48页，2022年。 K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。 飞机避免碰撞系统的政策压缩。Hunt，M。Kaufmann，J。S。Moore和A. Slobodova。使用ACL2进行工业硬件和软件验证。皇家学会的哲学交易A：数学，物理和工程科学，375（2104）：20150399，2017年9月。O. Isac，C。W。Barrett，M。Zhang和G. Katz。通过证明生产的神经网络验证。2022计算机辅助设计（FMCAD）中的形式方法，第38-48页，2022年。K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。 飞机避免碰撞系统的政策压缩。K. D. Julian，J。Lopez，J。S. Brush，M。P. Owen和M. J. Kochenderfer。飞机避免碰撞系统的政策压缩。2016 IEEE/AIAA 35届数字航空电子系统会议（DASC），第1-10页，2016年9月。K. Kanishev。 imandra界面到机器人OS：第一部分I. https：//medium.com/imandra/imandra-intra-intra-intra-intra-intra-intra-intra-intra-os-part-os-part-i-9f388888888888888888c5c3a1。 G. Katz，C。W。Barrett，D。L。Dill，K。Julian和M. J. Kochenderfer。 Reluplex：用于验证深神经网络的有效SMT求解器。 在R. Majumdar和V. Kuncak中，编辑，计算机辅助验证-29届国际会议，2017年，德国海德堡，2017年7月24日至28日，会议记录，第一部分，计算机科学讲义的第10426卷，第97-117页。 Springer，2017年。 G. O. Passmore。 在金融算法的形式方法的工业化中学到的一些经验教训。 在M. Huisman，C.Păsăreanu和N. Zhan中 Springer International Publishing。 ISBN 978-3-030-90870-6。 C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。 神经网络的有趣特性。 Corr，2013年12月。K. Kanishev。imandra界面到机器人OS：第一部分I. https：//medium.com/imandra/imandra-intra-intra-intra-intra-intra-intra-intra-intra-os-part-os-part-i-9f388888888888888888c5c3a1。G. Katz，C。W。Barrett，D。L。Dill，K。Julian和M. J. Kochenderfer。 Reluplex：用于验证深神经网络的有效SMT求解器。 在R. Majumdar和V. Kuncak中，编辑，计算机辅助验证-29届国际会议，2017年，德国海德堡，2017年7月24日至28日，会议记录，第一部分，计算机科学讲义的第10426卷，第97-117页。 Springer，2017年。 G. O. Passmore。 在金融算法的形式方法的工业化中学到的一些经验教训。 在M. Huisman，C.Păsăreanu和N. Zhan中 Springer International Publishing。 ISBN 978-3-030-90870-6。 C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。 神经网络的有趣特性。 Corr，2013年12月。G. Katz，C。W。Barrett，D。L。Dill，K。Julian和M. J. Kochenderfer。Reluplex：用于验证深神经网络的有效SMT求解器。在R. Majumdar和V. Kuncak中，编辑，计算机辅助验证-29届国际会议，2017年，德国海德堡，2017年7月24日至28日，会议记录，第一部分，计算机科学讲义的第10426卷，第97-117页。Springer，2017年。G. O. Passmore。在金融算法的形式方法的工业化中学到的一些经验教训。在M. Huisman，C.Păsăreanu和N. Zhan中Springer International Publishing。ISBN 978-3-030-90870-6。 C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。 神经网络的有趣特性。 Corr，2013年12月。ISBN 978-3-030-90870-6。C. Szegedy，W。Zaremba，I。Sutskever，J。Bruna，D。Erhan，I。J。Goodfellow和R. Fergus。神经网络的有趣特性。Corr，2013年12月。
mirce科学：太阳风暴是通过mirce Space的自主系统运动机制J. Knezevic，Mirce Akademy，Exeter，Ex5 1JJ，UK
数字技术的最新发展，可以在可以容易保存和运输的小型存储设备上压缩大量信息，对人类生活的许多方面进行了根本性的更改，包括创建自主系统。自主船，火车，汽车和类似系统独立于人类相互作用，通过收到根据建立算法处理的物理传感器范围的输入信息。最常用的传感器来控制自主功能，包括：全局定位系统，惯性导航系统，光学和红外，光检测和范围，无线电检测和范围，包括风和压力传感器在内的麦克风。由于Mirce Science认为，这些传感器可以连续交换信息对于它们的功能至关重要，因此这些传感器是可官能系统不可或缺的一部分。进行和发表的研究表明，尤其是太空天气，尤其是太阳风暴已经影响了许多现代技术系统的可靠性和安全性，例如电力网络，航空，卫星服务，无线电通信和管道，如本文所示。因此，本文的主要目的是表明太阳风暴可能对使用数字技术用于提供操作自治的所有自主系统的服务可靠性和安全性具有相似的影响。经验教训应该是对设计师的“唤醒呼唤”，因为太阳风暴是通过mirce Space的积极且不断驱动其运动的机制。然后，只有这样，才能实现准确且有意义的可靠性和安全性预测，从而实现了增加预防和保护天然太阳风暴对自主系统功能性能的不良后果的可能性的最终目标。
下一代高能效 AI 加速器 (DRP-AI3)：自主系统高级 AI 中 10 倍更快的嵌入式处理
随着出生率下降和老龄化人口比例增加导致劳动人口减少，工厂、物流、医疗、城市服务机器人、安防摄像头等社会各个领域都需要先进的人工智能 (AI) 处理，例如识别周围环境、做出行动决定和控制动作。系统需要在各种程序中实时处理先进的人工智能 (AI) 处理。特别是，系统必须嵌入到设备中，以便快速响应不断变化的环境。AI 芯片在嵌入式设备中执行先进的 AI 处理时功耗更低，并且严格限制发热量。
探索用于支持C2SIM自主系统本体扩展开发
•命令和控制系统 - 仿真系统互操作：SISO-STD-019-2020，指挥和控制系统标准 - 仿真系统互操作[包括标准军事扩展（SMX）]。SISO-STD-020-2020，命令和控制系统的土地运营标准标准 - 仿真系统的互操作。•C2SIM指南产品：Siso-guide-010-2020，指挥和控制系统指南 - 仿真系统的互操作。•在SISO网站上可用：标准：https：//www.sisostandards.org/page/standardsproducts（滚动符合编号标准）指南：https：//www.sisostandards.org/page/page/page/page/pasgage/pastage/standardsproducts（Scroll to scroll to the nubrance divance divance divance divance divance）
机器人技术和自主系统
我们开发了一种算法，用于在表示为线性时间逻辑（LTL）约束的任务下由多个机器人和未发动的对象组成的系统的运动和任务计划。机器人和对象会在障碍物整洁的环境中发展受到不确定动态的影响。提出的解决方案的关键部分是智能构造的耦合过渡系统，该系统编码机器人和对象的运动和任务。我们通过在较低级别设计适当的自适应控制协议来实现这种结构，从而保证了在环境中安全的机器人导航/对象运输，同时补偿动态不确定性。过渡系统通过基于采样的算法有效地与时间逻辑规范连接，以输出离散路径作为机器人同步操作的序列；这样的动作满足机器人的规格以及对象的规格。机器人通过使用派生的低级控制协议执行此离散路径。数值实验验证了提出的框架。
对控制，机器人技术和自治系统的年度审查安全过滤器：自主系统中安全 - 关键控制的统一观点
物理学中很少有普遍的真理。氢动力行为就是其中之一。任何物质在高温下的运动遵循流体动力学定律。在其原始上下文中的流体动力学描述了水的粘性运动。然而，其原理适用于更广泛的环境：在恒星和星际物质的物理学中，以及等离子体的磁性流体动力学，也是在软活动物质的动力学中。也可以在应用学科中遇到它，包括工程：海洋动力学，天气建模，航空，气体通过管道或交通流量的动力学，仅举几个例子。流体动力行为甚至适用于早期宇宙的物理：在足够高到足以熔化质子和中子的能量时，组成夸克形成了夸克 - gluon等离子体。当粒子对撞机创建此状态时，它只有一秒钟的一小部分。然而，在短期内，它根据流体力学定律移动。
预测自主系统中的无功能要求违反
自主系统通常用于环境和内部变化可能导致要求违反要求的应用中。主动适应这些变化，即在违规发生之前，比从可能由这种违规行为造成的失败中恢复过来更可取。但是，积极的适应需要方法，以及时，准确且可接受的开销进行预测违反需求。为了满足这种需求，我们提出了一种方法，允许自主系统预测违反性能，依赖能力和其他非功能性要求的行为，因此采取预防措施以避免或减轻它们。我们预测这些自主系统中断（PRESTO）的方法包括一个时间阶段和运行时间阶段。在设计时间时，我们使用参数模型检查获得代数表达式，这些代数表达式，以对内部兴趣的非功能性能（例如，可靠性，响应时间和能源使用）与系统及其环境的参数之间的关系。在运行时，我们通过将零件线性回归应用于通过监视获得的线性数据来预测这些参数的未来变化，并且我们使用代数表达式来预测这些变化对系统要求的影响。我们在两个不同领域的案例研究中通过模拟证明了Presto的应用。
机器人技术和自主系统
本文提出了在电缆悬浮的钟摆配置中的僵化的体体建模和识别程序。所提出的模型依赖于几乎受约束的开放运动链，并借出了自身通过最常用的机器人模拟器进行模拟，而无需明确说明电缆约束和灵活性。此外，设计了一个动态参数识别过程，以改善仿真模型保真度并减少控制器部署的SIM到SIM到实现差距。我们通过对两个代表性的电缆悬浮的双臂操纵系统进行自定义来处理不同的电缆配置和悬架机制的能力：由无人机和Cranebot系统悬挂的LICAS手臂，其中有两个由起重机悬挂的PILZ ARMS。通过将其演变与从实际系统中获取的数据进行比较，可以验证已确定的动态模型，该系统显示出响应信号的高度（在91.3％至99.4％之间）。在基线摆模型进行的比较中，我们的模型将模拟精度从64.4％提高到85.9％。模拟环境和相关控制器以开源代码发布。