XiaoMi-AI文件搜索系统
World File Search System卖车
车士活中心商务区规划及城市设计策略
Chris Binns 先生 规划和基础设施主任（代理） 威洛比市议会 PO Box 57 Chatswood NSW 2067 尊敬的 Bins 先生 我指的是威洛比市议会的请求，该请求要求规划、工业和环境部（以下简称“该部”）全力支持制定修订的 Chatswood CBD 规划和城市设计战略（以下简称“该战略”），该战略应与提交的战略补充方案中的建议保持一致。该部将继续支持市议会制定该战略，该战略将寻求提升 Chatswood 作为大悉尼都市区未来 20 年关键战略中心的作用和重要性。该部指出，该战略是一份高层次的战略文件，将为市议会的未来工作提供指导，包括制定全面的当地环境计划修正案、开发控制计划和特定地点的规划提案。该战略也与市议会目前的战略规划工作相一致，该部对该战略的认可将有助于协调这些政策，包括：
对行星表面作业宇航员-探测车团队进行形式化验证
摘要——本文介绍了一种使用 Brahms 多智能体建模语言对模型进行形式化验证来确保宇航员探测车 (ASRO) 团队自主系统可靠性的方法。行星表面探测车已被证明对几次载人和无人月球和火星任务至关重要。第一批探测车是遥控或手动操作的，但自主系统越来越多地被用于提高探测车操作的效率和范围，例如 NASA 火星科学实验室。预计未来的载人月球和火星任务将使用自主探测车协助宇航员进行舱外活动 (EVA)，包括科学、技术和施工作业。这些 ASRO 团队有可能显著提高地面作业的安全性和效率。我们描述了一个新的 Brahms 模型，其中自主探测车可以执行几种不同的活动，包括在 EVA 期间协助宇航员。这些活动争夺自主探测器的“注意力”，因此探测器必须决定哪些活动当前最重要，并参与其中。Brahms 模型还包括一个宇航员代理，它可以模拟宇航员在舱外活动期间的预测行为。探测器还必须对宇航员的活动做出反应。我们展示了如何使用 Brahms 集成开发环境模拟这个 Brahms 模型。然后，还可以使用 SPIN 模型检查器通过从 Brahms 自动翻译到 PROMELA（SPIN 的输入语言），根据系统要求对模型进行正式验证。我们表明，这种正式验证可用于确定任务和安全关键操作是否正确执行，从而提高 ASRO 团队行星探测器自主系统的可靠性。
一种非线性模型预测控制策略，用于秤车的自主赛车
摘要 - 本文介绍了旨在控制用于自主赛车竞赛的小型汽车模型的非线性模型预测控制（NMPC）策略。拟议的控制策略涉及将车辆时间最小化，同时将车辆保持在轨道边界范围内。优化问题考虑了车辆的致动极限以及作用于Pacejka魔法公式和简单传动系统模型的汽车上的侧面和纵向力。此外，该方法允许在静态障碍物填充的轨道上安全地竞争，从而产生无冲突的轨迹并跟踪它们，同时增强膝盖正时性能。使用F1/10模拟器的凉亭模拟展示了拟议的控制策略的可行性和有效性。该代码作为开源释放，使得可以复制获得的结果。索引术语 - 非线性模型预测性控制，Au au sopos Racing，F1/10模拟器，自动驾驶汽车导航。
艾瑞斯：学生建造的机器人探测车将用于月球探测
除了这次任务之外，惠特克表示，其他几项创新也有可能改变机器人目前探索太阳系的方式。目前，探测器使用立体视觉来探测地形危险。惠特克表示，如果激光测距技术（称为 Lidar）可以小型化以适合机器人，那将是一个“突破”。
混合延长自行车：高动车轨迹计划的简单模型
摘要 - 虽然高度自动化的驾驶大部分时间都依赖于平稳的驾驶假设，但车辆进行刺激性操纵的可能性很可能是面对意外事件的高动力驾驶的可能性。在这些事件中，车辆行为的建模对于适当的计划和控制至关重要；使用的模型应呈现准确和计算上有效的属性，以确保与车辆动力学的一致性并在实时系统中使用。在本文中，我们提出了一个基于LSTM的混合动力扩展自行车模型，能够针对正常和侵略性情况提供对车辆状态的准确描述。引入的模型用于模型预测路径积分（MPPI）计划和控制框架，用于在高动力场景中执行轨迹。所提出的模型和框架证明了他们计划可行轨迹的能力，即使在处理范围内，也可以确保精确的车辆行为。
人工智能生成的美国无车城市视觉效果有助于提高对可持续政策的支持
美国高度依赖私家车进行交通运输 [16, 21]。这种依赖是有问题的，因为汽车会导致气候变化，并且比公共交通、步行和骑自行车释放更多的温室气体 [5]。拥有汽车的成本也很昂贵，对低收入个人和家庭来说是一项沉重的经济负担 [12]。此外，汽车浪费了城市中的大量空间，导致交通拥堵和城市扩张 [4]。因此，鉴于其对环境和社会产生的巨大负面影响，迫切需要减少美国的汽车拥有量和使用量 [1, 11]。解决这个问题的一种方法是针对个人消费者并鼓励他们改变行为 [20]。然而，减少私家车使用的举措往往无法改变通勤者的行为 [7]。这主要是因为美国的基础设施极其以汽车为中心，因此使用更可持续的交通方式对消费者来说目前非常不方便。为了解决这个问题，城市规划者和政策制定者被鼓励增加对公共交通基础设施的投资，从而使无车交通更加便捷和可及 [3]。不幸的是，公共交通在美国越来越成为一个两极分化的话题，美国公众和民选官员通常都不愿意支持试图增加这些投资的政策 [13, 6]。在这里，我们展示了如何通过将行为科学的见解与人工智能 (AI) 的最新进展相结合来解决这一问题。心理学方面有大量文献
