XiaoMi-AI文件搜索系统
World File Search System任务时间
为飞行无人机充电的移动太阳能站的设计和任务管理
摘要。本文介绍了“秋粘虫 (FAW) 杀虫剂”项目第一阶段的设计和任务管理。该项目有三个主要阶段：设计和能源管理阶段、无人机飞行控制阶段以及检测和杀死秋粘虫阶段。该项目的目标是在不使用化学方法的情况下检测和杀死一种在非洲和亚洲迅速蔓延的有害秋粘虫。本文重点介绍了系统第一阶段的设计、获得最大功率和控制系统的能量。提出了一种带有储能装置的光伏系统作为电源。提出了一种控制杀虫和检测任务时间安排的新算法，并研究了其对系统能量和任务周期的影响。对跟踪光伏板最大功率的不同方法进行了比较，以选择最佳（时间更短、精度更高）的方法。仿真结果表明了所提出的最大功率跟踪和任务管理系统的有效性。
朝着自主飞行员与人工船员之间的安全合作进行智能，监视和侦察
摘要 - 当今的许多航空任务是由飞行员和任务专家的异质机组人员完成的。由于完全自动化的飞行员（AP）已集成到航空人员中，因此对于安全保证和误差效率来说，有效的团队将是必要的。这项飞行模拟器研究探索了非驾驶员运营商与AP合作进行海事情报，监视和侦察（ISR）任务之间的团队。该研究比较了航路点AP的行为，需要在飞机控制中进行人工干预，以防止造成损害造成的敌方船只的飞行，并采取碰撞避免行为，在该行为中，AP会主动使用控制屏障功能来主动避开敌方船只。这种主动的AP行为导致飞机损坏较少，但更容易预测的团队绩效，尽管任务时间更长。结果表明，情况意识随着AP复杂度级别和任务负载水平而异。参与者在失败时成功并校准其信任时对AP的积极感知。索引术语 - 自主，自动飞行员，协作，团队，人为因素，ISR，控制障碍功能
从仿真环境到现实世界情景
本文通过海洋机器人操作提出了一种基于视觉的3D映射的新方法3D映射。所提出的方法介绍了水下机器人任务的三个主要阶段，特别是计划阶段，任务时间和离线处理阶段。最初，我们通过多视频传感器配置和对水下培养基效果的模拟进行任务计划。随后，我们证明了使用泊松表面重建（PSR）（PSR）和枢轴旋转算法（BPA）实时3D表面重建和检测的可能性，从而可以对所获得的数据的获得的数据进行实时质量评估，并允许对现场的覆盖范围进行控制。最后，根据几何可靠性和结果的视觉外观讨论了离线摄影工作流程。在挪威特朗德海姆（Trondheim）峡湾的三个残骸地点的模拟和现实环境中已经开发和测试了所提供的三步方法学框架，并在挪威的峡湾中介绍了新的新型海洋机器人技术，例如明显的机器人Eelume。
使用可穿戴 fNIRS 和机器学习自动检测认知疲劳
摘要：可穿戴传感器越来越多地应用于医疗保健领域，以生成数据并以不引人注意的方式监控患者。它们在脑机接口 (BCI) 中的应用允许不引人注意地监控一个人的认知状态。认知疲劳是与多个领域相关的一种特殊状态，它可能会影响绩效和注意力等能力。对这种状态的监测将应用于真实的学习环境中，以检测和建议有效的休息时间。在本研究中，使用两个功能性近红外光谱 (fNIRS) 可穿戴设备构建 BCI，以使用机器学习算法自动检测认知疲劳状态。开发了一种实验程序来有效诱导认知疲劳，其中包括接近真实的数字课程和两个标准认知任务：Corsi-Block 任务和集中任务。机器学习模型经过用户调整，以考虑每个参与者的个人动态，分类准确率达到约 70.91 ± 13.67%。我们得出的结论是，尽管该方法对某些受试者有效，但在应用之前需要单独验证。此外，任务时间并不是分类（即诱发认知疲劳）的特别决定因素。进一步的研究将包括其他生理信号和人机交互变量。
飞机系统概念设计 - DiVA 门户
飞机概念设计 (ACD) 在提高当今复杂的系统设计所需的保真度水平的道路上面临着新的挑战。早期设计阶段的挑战是使用通常应用于后期开发阶段的更高保真度方法。因此，需要集成模型和模拟以增强分析能力，同时保持精简、透明和低成本（任务时间和劳动力方面的低工作量）的工作流程。在本文中，介绍了使用面向对象的 KBE 方法实现基于不完整数据的仿真模型的早期集成。在此之前，对多域系统的建模和仿真方法进行了仔细的研究，并检查了它们在 ACD 阶段的使用效率和结果准确性。提出了一种实现这一目标的中心参数信息模型方法。通过扩展使用 XML、XSD 和 XSLT，可以从此数据集转换特定领域的架构模型，支持直接 CAD 领域集成和自动模型创建。将系统建模为图形网络是概念设计阶段统一建模的一种简单方法。基于这一理论，展示了不同建模方法（如依赖结构矩阵 (DSM)、MDDSM 或渠道代理网络）的相似性。使用面向对象编程，所有这些方面以及更多方面，例如故障树分析 (FTA)
使用机器学习的项目风险管理的预测分析
风险管理与寻求避免和抑制意外成本的每个项目相关，基本上是要求先发制人的。Cur-lock提出了一种基于预测性和机器学习（ML）的新方法来处理风险的方法，该方法可以实时工作，以帮助避免风险并提高项目适应性。该研究的主要研究目的是通过使用先前项目的历史数据来确定项目中的风险存在，重点关注时间，任务时间，资源和项目结果等重要方面。T-SNE技术在降低维度的同时，将特征工程应用于维护重要的结构特性。使用包括召回，F1得分，准确性和精确度量在内的措施分析此过程。结果表明，梯度提升机（GBM）达到了令人印象深刻的85％精度，82％的精度，85％的召回率和80％的F1得分，超过了先前的模型。此外，预测分析可实现85％的资源利用效率，而传统分配方法为70％，项目成本降低了10％，是传统方法实现的5％的两倍。此外，该研究表明，尽管GBM在整体准确性方面都擅长，但Logistic Remission（LR）提供了更有利的Precision-Recall Recall权衡取舍，这强调了模型选择在项目风险管理中的重要性。
一种用于动态目标跟踪的新型MPC公式，搜索和救援机器人的面积覆盖率增加
抽象机器人越来越多地部署用于搜索和救援（SAR），以加快灾难后救出受害者的救助。这些机器人需要有效的任务计划方法，以确定时间和空间良好的轨迹，在处理不确定性的同时，将它们更快地转移到了（移动）受害者的同时。模型预测控制（MPC）是一种有效的基于优化的控制方法，用于沿着由高级控制器确定的参考轨迹引导机器人。直接通过MPC直接确定机器人的轨迹具有优化多个SAR标准的优势，同时处理约束。因此，当没有提供参考轨迹时，我们为室内SAR机器人提供了一种基于MPC的路径计划方法，该方法允许机器人系统地追逐移动的受害者。所提出的方法结合了面向目标的和面向覆盖的搜索，并通过部署基于强大的管子的MPC公式，可以系统地处理环境不确定性。此外，我们通过采用现有的疏散模型来对受害者的MPC运动进行建模。我们使用凉亭，MATLAB和ROS提出了一个案例研究，其中评估了所提出的MPC控制器的性能与四种最新方法（两种基于MPC和A*的目标方法和两种针对面积覆盖的启发式算法的方法）。结果表明，尽管对不确定性进行了强大的努力，但我们的总体方法在受害者发现，区域覆盖范围和任务时间方面总体上优于其他方法。
从人的角度发展人工智能系统
研究表明，人工智能是第四次工业革命的重要技术（Bawack 等人，2019 年）。预计这场革命将发生，因为重大变化将影响系统和流程等领域（Xu 等人，2018 年）。《未来就业报告》估计，随着时间的推移，机器执行的任务时间将从 29% 增加到 42%，54% 的组织员工很快将需要大量的再培训（Watson 等人，2021 年；世界经济论坛，2018 年）。据预测，人工智能有可能为全球 GDP 增加约 15.7 万亿美元（+14%），使其成为组织最宝贵的机会。预计零售、金融服务和医疗保健行业将从人工智能中受益最多（Rao & Verweij，2017 年）。研究人员已经确定了 AI 对组织的主要挑战。示例包括为用例选择正确算法的困难（Baker 等人，2022 年；Dwivedi 等人，2021 年；Kelly 等人，2019 年）、网络安全（Poulsen 等人，2020 年）以及监督道德 AI 系统的开发（Choudhary 等人，2020 年）。例如，Dwivedi 等人。(2021) 介绍了当今 AI 的详细挑战，其中包括选择正确的算法。这项研究的一个重要发现是，如今组织的重点是利用现有算法而不是开发新算法。这导致为组织用例找到正确算法变得复杂。虽然利用现有算法可能是一种有用的方法，但组织也必须考虑适当的情况来构建新算法以满足其特定要求，而不是完全依赖现有算法。Poulsen 等人提出的另一个例子。(2020) 关于人工智能系统，是关于网络安全的。虽然对组织系统的网络攻击会影响系统和数据的机密性、完整性和可用性。对机器人等人工智能系统的网络攻击更大，因为它可能对人造成直接伤害，对手可以利用漏洞控制机器人对人造成伤害。因此，需要通过制定更有效的安全标准来保持此类人工智能系统更高的安全性。
核动力海军推进系统
核电站运行的最大经验是核海军推进，特别是航空母舰和潜艇。这些积累的经验可能成为拟议的新一代紧凑型核电站设计的基础。核动力潜艇的任务正在根据信号情报收集和特种作战重新定义。核动力舰艇约占美国海军作战舰队的 40%，包括整个海基战略核威慑力量。美国海军的所有作战潜艇和一半以上的航空母舰都是核动力的。这里的主要考虑因素是核动力潜艇不像传统动力装置那样消耗氧气，并且在燃料补给之前具有较长的续航能力或任务时间；仅受船上可用的食物和空气净化用品的限制。另一个独特的考虑是使用高浓缩铀 (HEU) 来提供紧凑的反应堆系统，该系统具有足够的内置反应性，可以克服氙气反应堆的死区时间，从而实现快速重启和加油之间的长燃料燃烧期。在第二次世界大战期间，潜艇使用可以在水面运行的柴油发动机，为大量电池充电。这些可以在潜艇潜水时使用，直到放电。此时，潜艇必须重新浮出水面为电池充电，并且容易受到飞机和水面舰艇的探测。尽管使用特殊的通气管装置将空气吸入和排出浅潜于水面以下的潜艇，但核反应堆理论上为其提供了无限的潜水时间。此外，核燃料的高比能（即每单位重量的能量）消除了跟随水面或水下海军舰艇舰队的脆弱油轮舰队不断加油的需要。另一方面，核反应堆一次加油足以满足长时间的需要。现代海军反应堆的浓缩度高达 93%，U 235 能够达到 97.3%，设计为在其 20-30 年的使用寿命中每隔 10 年或更长时间才加油一次，而陆基反应堆使用的燃料浓缩度低至 U 235 的 3-5%，需要每隔 1-1 1/2 年加油一次。新反应堆的设计使用寿命为航母 50 年，潜艇 30-40 年，这是弗吉尼亚级潜艇的设计目标。核心中含有可燃毒物，例如钆或硼。这些允许较高的初始反应性，以补偿裂变产物毒物的积累
Monshizada 等人：从人的角度开发人工智能系统
研究表明，人工智能是第四次工业革命的重要技术（Bawack 等人，2019 年）。这场革命预计将发生，因为重大变化将影响系统和流程等领域（Xu 等人，2018 年）。《未来就业报告》估计，随着时间的推移，机器执行的任务时间将从 29% 增加到 42%，54% 的组织员工很快将需要大量的再培训（Watson 等人，2021 年；世界经济论坛，2018 年）。据预测，人工智能有可能为全球 GDP 额外增加 15.7 万亿美元（+14%），使其成为组织最宝贵的机会。零售、金融服务和医疗保健行业预计将从人工智能中受益最多（Rao & Verweij，2017 年）。研究人员已经确定了人工智能给组织带来的关键挑战。示例包括为用例选择正确算法的困难（Baker 等人，2022 年；Dwivedi 等人，2021 年；Kelly 等人，2019 年）、网络安全（Poulsen 等人，2020 年）以及监督道德 AI 系统的开发（Choudhary 等人，2020 年）。例如，Dwivedi 等人 (2021) 介绍了当今人工智能的详细挑战，其中包括选择正确的算法。这项研究的一个重要发现是，当今组织的重点是利用现有算法而不是开发新算法。这导致为组织用例找到正确算法的复杂性。虽然利用现有算法可能是一种有用的方法，但组织也必须考虑构建新算法以满足其特定要求的适当情况，而不是完全依赖现有算法。Poulsen 等人 (2020) 提出的有关人工智能系统的另一个例子是关于网络安全的。虽然对组织系统的网络攻击会影响系统和数据的机密性、完整性和可用性。对机器人等人工智能系统的网络攻击更大，因为它可能对人造成直接伤害，对手可以利用漏洞控制机器人对人造成伤害。因此，需要通过制定更有效的安全标准来使此类人工智能系统保持更高的安全水平。