XiaoMi-AI文件搜索系统
World File Search System导航方法
开放世界GPS目标视频导航方法（草稿）
建筑原则。我们开发了一个模块化系统，解决了任务基础的关键挑战：（i）（ii）开放世界人类环境中使用单眼相机进行视觉导航，并具有（iii）低频，高潜伏期感应和控制。不可靠的传感器流与嘈杂的本体感受相结合，在单眼环境中具有准确的深度和比例估计，具有挑战性。要解决（i），选择了依靠语义图像提示，而不是放弃3D度量几何估计，而是专注于2D图像空间中的遍历性估计。为了概括（ii）的不同场景和外观变化，使用了大规模数据集上预测的视觉特征，并在frodobots-2k数据的精选部分上进行了微调。由于硬件限制和延迟的不可预测性，（iii）很难直接解决。该系统的重点是处理次优路径找到引起的导航故障和较差的Trajectory跟踪，这是由于通信不良引起的。这是通过使用可靠的故障检测和恢复来增加导航管道来实现的。在高水平上，系统（图1）由受到启示，控制和故障检测和恢复模块组成。感知模块估计了从RGB输入的遍历性，并且还向下一个路点发出以自我为中心的方向向量。控制模块选择与Waypoint向量对齐并生成控制命令的基因差异可行的轨迹。感知。故障检测和恢复模块是对原始RGB进行的监督监视器，并预测从感知到检测失败的遍历性，覆盖控制模块以在必要时执行启发式恢复行为。鉴于需要在开放世界的人类环境中进行操作而没有由于单眼设置而没有可靠的深度感应，因此使用了基于场景语义的视觉遍历性预测。感知模块将RGB图像作为输入，并根据输入图像输出遍历性掩码，并在[0，1]中以遍历性得分为单位。在内部，快速的遍历性估计器会产生一个初始面膜，然后通过聚类启发式方法进一步进行后处理，以识别并强烈惩罚可能的障碍。估算器使用验证的恐龙视觉特征，可以对各种环境进行强有力的概括，并允许进行样品有效的训练和填充来适应新场景。在捕获不同地形上的偏好时，要训练轮式Frodobot配置的估计器，这是一种自动从Frodobots-2K
机器人捕获航天器的联合控制和导航方法
在轨服务（IOS）可以延长卫星的使用寿命，而实施主动碎片清除（ADR）以有效解决空间碎片问题的必要性已在航天界广为人知。在新一代传感器和控制系统的发展的推动下，实现此类任务的技术解决方案研究正在蓬勃发展。除了私营公司、航天机构和大学之外，欧洲航天局（ESA）几十年来一直在开发该领域的技术。多年来，人们提出了多种安全捕获轨道物体的解决方案，其中大多数依赖于机器人系统。一个有前途的选择是使用配备高度灵巧的机械臂的自主航天器（追逐者），该机械臂能够与驻留的空间物体对接。这一操作在接近阶段和接触后都带来了复杂的技术挑战。在这方面，设计一个有效、可靠、稳健的制导、导航和控制 (GNC) 系统对于确保安全执行任务起着关键作用，该系统可以实现多种算法架构和硬件配置。这项工作展示了由与 ESA 签订合同的大学联盟开展的研究活动的成果，该研究旨在开发 GNC 系统的导航和控制子系统，用于控制配备冗余机械手的追赶者。研究中考虑了捕获前的最终接近阶段和捕获后的目标稳定阶段。提出的解决方案旨在实施联合控制策略。采用稳健控制方法来设计控制律，以应对追赶者的不确定、非线性动力学以及捕获后完整的追赶者-目标堆栈。选择基于视觉的解决方案，即依靠主动/被动光电传感器，进行相对导航。用于相对和绝对导航的完整传感器套件是 GNC 系统的一部分，包括用于机器人关节测量的传感器。为了正确验证提出的解决方案，已经开发了一个完整的数值模拟器。该软件工具可以全面评估系统性能，考虑所有相关的外部干扰和误差源。真实的合成图像生成器也用于相对导航性能评估。本文介绍了设计解决方案和初步数值测试的结果，考虑了三种任务场景，以证明该解决方案的灵活性及其对各种操作情况的适用性。