XiaoMi-AI文件搜索系统
World File Search System多架
一对多：人机界面可让单个操作员控制多架无人机
本文描述并回顾了解决人机界面挑战的研究和潜在解决方案，使单个操作员能够通过一个界面控制多架无人机 (UAV)。作为一个系统，这也被称为多机器人系统 (MRS)。MRS 应用于多个领域，如环境监测 [1]、搜索和救援 [2, 3]、安全 [4]、机器人配送的监督控制以及探索性医疗保健中的微型和纳米机器人群 [5]。单个操作员同时控制多个机器人的优势（称为一对多关系）是改善资源分配、时间成本、稳健性和现实世界任务的其他方面 [6]。然而，由于单个操作员的认知工作量增加，增加机器人数量并不一定会提高系统性能 [7]。早期模型描述了单个操作员使用基于忽视容忍度的扇出控制的机器人数量、当操作员忽视机器人时机器人的效率如何随时间下降，以及交互时间、任务切换、建立上下文、计划和将计划传达给机器人所需的时间 [8]。该模型已扩展到包括等待时间和性能指标，以模拟给定任务约束的扇出水平 [9]。
警务中人与多架无人机互动的评估...
2.1 参与者 ................................................................................................................................ 8 2.2 设备 ................................................................................................................................ 8 2.3 设置 ................................................................................................................................ 9 2.4 实验步骤 ........................................................................................................................ 10 2.5 评估工具 ........................................................................................................................ 12 2.6 因变量和自变量 ...................................................................................................... 13
使用多架遥控飞机检测海洋水族馆环境漏油情况
其监测范围广，可进行 24 小时监控 [1]。卫星远程石油污染监测方法的发展和改进的主要方向是放弃摄影方法，转而使用新型有效载荷多光谱和高光谱传感器。如今，基于卫星的 SAR 是一种重要的石油泄漏监测工具，可全天候全天候覆盖大面积区域 [2]。尽管与其他监视系统相比具有相当大的优势，但卫星系统对同一海域的拍摄频率存在限制（频率为每 3 小时一次，考虑到改变视角的可能性）。高清无线电定位数据提供给负责机构时会有所延迟，这与向接收器的交付有关。从发生石油污染的那一刻起，基于无线电定位接收数据的地图的制作可能需要 1-2 天。在消除污染的过程中，这些情况导致需要通过移动车辆进行操作监控。
多架无人机系统 (UAS) 运行中的警戒和自动化依赖性：模拟研究
目标：本模拟研究调查了影响多架无人机系统 (UAS) 操作期间持续表现和疲劳的因素。本研究测试了任务完成时间和自动化可靠性对监视任务准确性和对自动化依赖性的影响。它还研究了特征和状态个体差异因素的作用。背景：Warm 的警觉资源模型在人为因素中具有很高的影响力，但需要进一步测试其对需要持续关注的复杂现实任务的适用性。多 UAS 操作不同于标准警觉范式，因为操作员必须在自动化的支持下在多个子任务之间切换注意力。方法：131 名参与者使用配置为低认知要求的多 UAS 模拟执行需要信号识别和符号计数的监视任务，持续 2 小时。在组间操纵自动化可靠性。在执行之前测量五因素模型人格特质。使用邓迪压力状态问卷评估主观状态。结果：在更苛刻的监视任务上的表现准确性显示警惕性下降，尤其是在自动化可靠性较低的情况下。对该任务的自动化依赖性随着时间的推移而下降。状态因素而非特质因素可以预测绩效。在更苛刻的任务条件下，高痛苦与较差的表现有关。结论：警惕性下降可能是多 UAS 监视任务的操作问题。Warm 的资源理论可能需要修改，以纳入与低工作量、疲劳环境中的多任务处理相关的信息处理和任务策略的变化。应用：多 UAS 操作的界面设计和操作员评估应解决包括动机、压力和对自动化的持续关注等问题。
使用潜在函数传感器约束对多架无人机进行模型预测协同定位控制 ∗
大量配备昂贵全球定位系统的移动机器人。广播其全球位置允许所有其他无人机根据与这些无人机的相对位置确定自己的全球位置。 相对位置的确定可以通过较便宜的机载传感器（例如光学传感器）实现，如图所示。1 在无人机场景中。这种方法的主要问题是需要以足够的精度持续检测和跟踪全局定位的机器人。非常动态的无人机场景和机载传感器限制进一步加剧了这种情况。因此，必须控制无人机运动，以使全局定位的无人机保持在机载传感器的感知空间内。因此，本研究的主要重点是为此类合作定位场景提供中央控制策略。为了限制本文的范围，不涉及估计和定位本身，并假设存在稳定的通信信道。然而，应该提到的是，这里考虑的所有机器人系统都有内部控制器。因此，通信故障只会导致定位数据丢失，而不会导致系统完全故障。