XiaoMi-AI文件搜索系统
World File Search System地面车辆
标准化 A-Kit/车辆外壳 (SAVE)
这是标准化 A-Kit/车辆外壳，或“SAVE”标准。此接口描述文档 (IDD) 描述了标准安装位置的大小和形状以及一组物理接口，用于将指挥、控制、计算机、通信、网络、情报、监视和侦察 (C5ISR) 系统集成到陆军地面车辆中。它旨在为车辆和系统开发提供长期的可预测性和稳定性。SAVE 最初是为无线电开发的，但也适用于计算机和其他系统，例如综合视觉增强系统 (IVAS) 车辆集成套件及其战术云包 (TCP)、CMOSS 安装外形 (CMFF) C5ISR 模块化开放标准套件 (CMOSS) 的第一个实例、电子战 (EW) 套件等。SAVE 是整体 PEO GCS 通用基础设施架构 (GCIA) 的一个子集 - 车载网络的总体框架，用于促进无线电、计算机、网络等与地面作战车辆的集成。GCIA 规定了一种模块化开放系统方法 (MOSA)，使用车辆集成实现 C4ISR/EW 互操作性 (VICTORY) 和其他开放接口标准进行数据共享，从而实现 CMOSS 和其他 MOSA 优势。SAVE 是 GCIA 内系统集成的物理部分之一。SAVE 也适用于 PEO CS&CSS 以及其他不依赖 GCIA 的平台。
马拉加微电子公司 (PERTE-Chip 主席)
博士前合同的关键活动：合同 CI-24-271： - 设计一个带有传感器的嵌入式系统，用于地面车辆的稳定性控制。 - 利用人工智能开发算法和稳定性控制软件。 - 针对应用范围优化系统软件。 - 对开发的原型进行验证和评估。合同 CI-24-272：- 土工膜的传感化，用于环境的安全控制。 - 设计嵌入土工膜的用于处理传感器信号的系统。 - 嵌入式系统监控系统的开发。 - 对所开发的解决方案进行验证和评估。合同 CI-24-276： - 在老年人家庭护理背景下的智能虚拟助手研究。 - 结合处理传感器信号和理解/生成自然语音的能力（LLM）。 - 在性能和消耗限制下为虚拟助手设计嵌入式系统。 - 分析添加联合 ML 训练的嵌入式设备分布式系统。 - 对所开发的解决方案进行验证和评估。合同 CI-24-277： - 计算机视觉和时间序列分析模型的人工智能模型分析。 - 研究处理分析模型的 RISC-V 标准。 - 基于RISC-V架构的模型硬件加速技术的设计。 - 对所开发的解决方案进行验证和评估。合同 CI-24-278： - 用于应用领域的多传感器嵌入式系统的智能处理。
团队手册
海上机器人挑战2024 www.robotx.org欢迎进入创新的最前沿，并在2024年海上机器人挑战赛中！本团队手册包含了团队在2024年海上机器人挑战赛中需要竞争的信息。它包括任务说明，规则和要求，规格和其他指导。本文档将为团队提供对有效竞争所必需的内容的全面了解。什么是机器人？海事机器人挑战赛是由Robonation主持的两年一次的国际竞赛，旨在促进学生对在海上环境中运行的机器人和自主系统的兴趣。RoboTX竞争框架挑战团队将波浪自适应模块化官（WAM-V）转变为自主海洋系统（AMS），开发和整合无人驾驶的地面车辆（USV）和无人驾驶飞机（UAV），以在自动挑战课程上完成一系列任务。团队还学习了在整个过程中记录其设计的关键需求。为什么要机器人？海事机器人挑战的目标是扩大能够为自主和无人驾驶，多域车辆的新兴领域做出实质性贡献的研究人员和创新者社区。为什么要参加机器人？海上机器人挑战的参与者可以期望：
可交付成果 D2.1 最新分析 - CMT
危机管理人员在快节奏和移动的环境中工作，需要及时获取最新信息和情报以及决策支持工具，以筛选最重要的信息。成功的危机管理 (CM) 的一个关键要素是所有相关利益者之间的全面态势感知 (SA)。本报告基于专门的国际研究成果和欧盟危机管理人员使用的 SA 系统的调查数据，确定了未来欧盟多利益相关方态势感知系统 (MSSAS) 的用户需求和要求。最新研究揭示了多种现成的、大多是商用现货 (COTS) 的 SA 工具。这些工具分为以下类别：卫星和机载遥感系统、无人地面车辆、无人飞行器、特殊摄像机、特殊探测器、交通管理和决策支持系统。除了这些 COTS 工具外，该报告还确定了欧盟 FP7 项目，这些项目旨在开发由欧盟委员会资助的先进 SA 解决方案，资金超过 1 亿欧元。这种最先进的分析还涉及与 SA 相关的 ICT 架构和技术的不同模型。概述了现有标准和正在进行的标准化活动，确定了其中最重要的标准。此外，还确定了现有的采购流程和法律要求。建议危机管理
航空通告 民航局
跑道安全计划第 1 部分 - 简介 1.1 着陆和起飞是飞行的关键阶段，而跑道是着陆和起飞的飞机可能与其他滑行飞机、地面车辆、人员、动物和异物发生相互作用的区域。鉴于飞机的速度及其在跑道上采取避让行动的能力有限，尤其是在起飞和着陆滑行期间，跑道入侵或异物的存在可能造成的潜在危险已成为许多国家对航空安全的深切关注。国际民用航空组织 (ICAO) 已制定了有关机场系统运营和制定运营程序的标准和建议做法，以实现跑道安全。我们很高兴地注意到，各航空公司、机场运营商和空中导航服务提供商已采取适当措施，以遵守国际民用航空组织的要求。然而，随着空中交通的预期增长和机场运营的日益复杂，我们认为，对跑道安全的承诺也应通过更系统的方法来实现，以确保一致和协调地应用国际民用航空组织的规定，并让所有利益相关者达成明确的目标和共识。此观点符合附件14的要求。为实现上述目标，澳门跑道安全计划旨在提供管理
使用混合深钢筋学习
摘要 - 在越野环境中旋转的未拧紧地面车辆（UGV）的准确路径跟踪面临着源于操作条件的多样性引起的挑战。用于Ackermann转导车辆的传统基于模型的控制器具有良好的（无防滑）路径跟踪的穿孔，但性能会以越来越不平坦的地形和更快的遍历速度下降。本文介绍了一种新颖的方法，一种混合深化增强学习（HDRL）控制器，利用了线性二次调节器（LQR）的优势和深钢筋学习（DRL）控制器，以增强Ackermann steceered ugvs的增强路径跟踪。DRL控制器主要弥补地形条件和未知车辆参数的不确定性，但训练在计算上可能很昂贵。LQR控制器在初始训练阶段指导DRL控制器，从而确保更稳定的性能并在早期迭代中获得更高的回报。这样做，这种混合方法提供了有望克服基于模型的控制器的局限性以及常规DRL方法的样本信息的局限性。在手稿中显示的初步结果显示了HDRL控制器的希望，表现出比无模型的DRL和常规反馈控制器更好的性能。
质量检查员 II - V22 阿拉巴马州亨茨维尔
标准职能：• 能够阅读和解释复杂的图纸、规格、采购订单、工作说明和标准以确定质量状态；使用精密测量仪器，遵循工程订单和说明，并根据检查实践解释规范 • 协助质量团队成员或管理层记录和报告故障和不合格材料数据 • 能够确定接受或拒绝提交检查的材料 • 独立对新的、生产的、衍生的和/或改装的飞机或地面车辆原材料或完成的部件进行全面检查，以确保装运、接收、采购、在制品或最终检验时的状况、一致性和文件记录 • 对来自供应商/供应商的所有传入产品/材料进行接收检验 • 按要求完成不合格和纠正措施报告 • 良好的组织能力和 Microsoft Office 软件，以准确及时的方式记录和维护相关文书工作和检查结果 • 了解有关假冒零件的监管要求 • 熟悉适用于国防产品和材料的各种规范，包括检查材料测试报告、合格证书 • 可以为经验不足的员工提供指导和工作领导 • 能够使用测量仪器进行在制品检验，确保车间使用的所有测量设备均按照其特定要求工作 • 识别和向内部和外部客户传达质量计划的持续改进机会 • 指定监督人员指示的其他职责
无人海事系统 - 加拿大海军协会
资产的关键在于将其整合到作战中。现有系统现在已经足够有用，可以支持战场上的战斗人员，而且它们正越来越多地接受测试并被纳入战斗部队。例如，2022 年 10 月初，荷兰皇家陆军宣布已向立陶宛部署了四辆武装履带式混合模块化步兵系统 (THeMIS) 无人地面车辆 (UGV)，并由机器人和自主系统 (RAS) 部队负责，军方官员称这是西方首次涉及武装 UGV 的作战实验。1 这些系统可以配备机枪、榴弹发射器和反坦克导弹，因此可以为其他部队提供支援。即使没有武装，这些 UGV 也很有用，因为它们可以通过运送补给（包括重型武器、水和弹药）来减轻士兵的身体负担。爱沙尼亚国防军已在法国领导的反叛乱行动“巴尔哈内行动”中部署了未武装的 UGV 变体，与爱沙尼亚士兵一起在马里提供后勤支持。未武装的 UGV 还被用于乌克兰的伤员撤离。照片显示，俄罗斯军方已部署全副武装的 Uran-9 机器人坦克来支援乌克兰卢甘斯克地区的部队。无人驾驶飞行器 (UAV)、无人驾驶水面车辆/船只的发展
预测的混合学习方法... - PHM 协会
在数十年的数据收集过程中，人们试图利用基于状态维护 (CBM) 方法中的运行时间序列数据来优化军用车辆的生命周期管理和可靠性、可用性和可维护性 (RAM)，但遇到了许多障碍。这些障碍困扰着民用地面车辆、飞机和其他复杂系统的类似方法。运行数据的分析至关重要，因为它代表着对系统状态的连续记录。将基本的数据分析应用于运行数据可以提供诸如燃料使用模式或观察到的一辆车辆甚至一个车队的可靠性等见解。但是，监测这些数据的趋势并分析其随时间变化的模式可以深入了解车辆、复杂系统或车队的健康状况，预测平均故障时间或汇编物流或生命周期需求。由于从车辆传感器收集的数据量巨大，数据中观察到的集群与故障或计划外维护事件之间缺乏关联，以及时间序列数据的无监督学习技术不足，因此在运营时间序列数据集上进行此类高性能数据分析 (HPDA) 一直很困难。我们提出了一种在车辆运行数据中发现模式的方法，该方法确定了预测即将发生故障的可能性的模型，称为基于参数的指标 (PBI)。我们的方法是一个数据驱动的应用程序
航空航天推荐做法 - DSI International
工程师始终需要考虑组件故障对其设计的系统和结构的影响。然而，直到 20 世纪 60 年代早期，航空航天业对安全性和可靠性的要求开始明显，才开发出用于此类分析的正式方法（参考文献 2.3.1）。20 世纪 60 年代末，一些专业协会开始发布执行故障模式和影响分析 (FMEA) 的程序。其中最早的之一是汽车工程师协会的航空航天推荐做法 ARP926，“故障/故障分析程序”（参考文献 2.1.1），于 1967 年发布。1974 年，MIL-STD-1629（船舶）“执行故障模式、影响和危害性分析的程序”（参考文献 2.2.2）发布，经过多次修订，确立了分析系统的基本方法。到 20 世纪 80 年代，FMEA 已成为设计流程的标准组成部分——至少在航空航天业是如此。1988 年，福特汽车公司出版了《设计中的潜在故障模式和影响分析（设计 FMEA）和制造和装配过程中的潜在故障模式和影响分析（过程 FMEA）指导手册》（参考文献 2.3.7），将该方法应用于制造流程以及产品设计。该程序专注于汽车行业的特殊需求，并结合美国主要汽车制造公司及其供应商的意见，演变为 SAE 地面车辆推荐