XiaoMi-AI文件搜索系统
World File Search System导航方法
机器人专家如何衡量社会机器人导航的成功？
我们采访了来自行业和学术界的8个人，以了解他们如何重视社会机器人导航的各个方面。要求受访者对评估社会导航政策通常使用的10种措施的重要性进行排名。受访者被询问有关社会导航的开放式问题，以及他们如何看待评估面临的挑战。我们对行业和社会导航学术专家的采访表明，避免碰撞是唯一的普遍重要措施。除了避免碰撞的安全考虑之外，机器人在社会导航方面还有不同的优先事项。鉴于优先受访者对安全性进行安全性，我们建议社会导航方法首先要确保安全。确保安全性，我们建议使用与预期的应用程序域最相关的措施评估每个社会导航算法。
无人机导航的VO -SAF -SAFE强化学习-Orca
摘要 - 这项工作的重点是强化学习（RL）的无人机导航，其本地化基于视觉探测器（VO）。这样的无人机应避免飞向视觉特征差的区域，因为这可能导致定位变化或完全丢失跟踪。为了实现这一目标，我们提出了一个层次控制方案，该方案使用经过RL训练的策略作为高级控制器，以生成下一个控制步骤的航路点和一个低级控制器，以指导无人机到达后续航点。对于高级政策培训，与其他基于RL的导航方法不同，我们通过引入与姿势估计相关的惩罚将对VO绩效的认识纳入我们的政策。为了帮助机器人区分感知友好的区域和不可动摇的区域，我们提供语义场景，作为决策而不是原始图像的输入。此方法还有助于最大程度地减少SIM到真实的应用程序差距。
户外环境中自动导航的实时衡量标准映射
摘要 - 编码人类优先知识的度量语义图的创建代表了环境的高级突出。然而，构建此类地图构成了与多模式传感器数据融合，实时映射性能的融合以及结构和语义信息一致性的保留相关的挑战。在本文中，我们引入了一个在线度量 - 语义映射系统，该系统利用LIDAR-Visual-Visual-Visual惯性传感生成了大型室外环境的全局度量标准网格地图。利用GPU加速度，我们的映射过程达到了出色的速度，无论场景尺度如何此外，我们将所得地图无缝地集成到现实世界中的导航系统中，从而实现了基于公制的语义地形评估和在校园环境中的自主点 - 要点导航。通过对包含24个序列的公共可用数据集进行的广泛实验，我们证明了映射和导航方法的有效性。
基于性能的导航
所有导航系统都可以用性能来描述。例如，地面导航辅助设备（如 VOR）可提供可测量的性能水平，该性能水平以可接受的导航公差为依据。PBN 操作同样基于导航性能，但性能概念根本不同。基于地面导航辅助设备的运行取决于辐射信号的性能以及飞机准确利用该信号的能力，而在基于性能的导航中，性能本身是指定的，并且导航系统需要满足最低性能水平。原则上，任何达到指定导航性能水平的导航方法都是可以接受的。然而，在实践中，在某些情况下需要特定的导航系统才能满足特定导航规范的要求。例如，RNP 4 要求强制携带 GNSS，因为没有其他当前导航系统可以满足导航规范的要求。至少在理论上，如果有另一种导航方式可以满足 RNP 4 的性能要求而无需 GNSS，那么 GNSS 的要求就可以从导航规范中删除。 2. 绩效评估
特刊 - 传感器
近年来，在自动驾驶中取得了巨大进展，并取得了重大的研究结果和公共道路部署，包括实施系列生产车辆和乘车服务，提供负担得起的自主游乐设施。因此，使用感知传感器以及在存在意外的车辆和脆弱的道路使用者的情况下，使用感知传感器以及控制和导航算法需要进行更多的研究，除了建立安全的方法和开发这种基于感知的情境意识和导航算法外，还需要进行安全操纵。本期特刊旨在收集有关使用相机，激光雷达和雷达等传感器的研究的研究，并用于检测自动驾驶汽车与其他道路使用者之间的罕见和极端相互作用；在这种罕见和极端的相互作用中，控制和导航方法可以安全地操纵自动驾驶汽车（AV）；现实有效的评估方法；以及在公共道路部署之前在安全环境中开发此类算法。我们欢迎您对本主题的本期贡献。
MetaFly：通过空中波前操纵进行无线回程拦截
摘要 — 无线回程链路已经无处不在，并且随着 5G 及以后的发展而进一步扩展，用于许多关键功能，例如华尔街的金融交易。在这项工作中，我们首次证明此类链路极易受到新一类空中超表面攻击。具体来说，我们展示了对手 Eve 如何设计和使用 MetaFly 来秘密操纵信号的电磁波前并远程窃听高度定向的回程链路。在探索攻击的基础时，我们展示了 Eve 通过在空中超表面界面诱导预定义的相位分布来生成窃听衍射光束的策略。我们还展示了 Eve 的飞行导航方法如何通过波前定制的飞行细化原理根据无人机机动性动态塑造辐射模式。我们制作了 MetaFly 原型，并展示了 Eve 的轻量级、低成本、透射式和无电源空中超表面。我们实施了攻击，并在大型大都市地区的大型室内中庭和室外屋顶进行了一系列无线实验。结果表明，借助 MetaFly，Eve 可以拦截回程传输，误码率几乎为零，同时对合法通信的影响最小。
一种基于计算机视觉的方法，用于收集移动机器人探针的地面真相
摘要：随着人工智能和嵌入式硬件开发的发展，对移动机器人的各种自主导航方法的利用变得越来越可行。因此，已经出现了对这些运动方法的鲁棒验证方法的需求。本文介绍了一种依靠计算机视觉的新颖地面真相定位收集方法。在这种方法中，摄像机被定位在上面，以通过计算机视觉技术来检测机器人的位置。与其他传感器的数据同步收集用于检索定位地面真相的图像。通过将摄像机派生的位置视为地面真理，可以进行比较分析以开发，分析和测试不同的机器人探视方法。除了在本文中提出地面真相收集方法外，我们还使用DNN比较使用来自不同传感器的数据作为输入进行探测。结果证明了我们的地面真相收集方法在评估和比较移动机器人的不同探光法方面的功效。这项研究通过提供可靠且多功能的方法来评估和比较探针技术，这对于开发和部署自主机器人系统至关重要，从而为移动机器人技术领域做出了贡献。
展示竞技场3.0：在协作和高度动态的环境中提高社会导航
摘要 - 基于我们以前的贡献，本文介绍了Arena 3.0，Arena Bench [1]，Arena 1.0 [2]和Arena 2.0 [3]的扩展。Arena 3.0是一个综合软件堆栈，包含多个模块和仿真环境，重点是协作环境中社交导航方法的开发，模拟和基准测试。我们通过纳入各种新的社会力量模型和相互作用模式，涵盖人类和人类机器人动态，从而显着增强人类行为模拟的现实主义。该平台提供了一套全面的新任务模式，旨在进行广泛的基准测试和测试，并能够动态地产生现实和以人为中心的环境，以迎合各种社会导航方案。此外，该平台的功能是在三个广泛使用的模拟器中抽象的，每个模拟器都针对特定的培训和测试目的进行了量身定制。全球研究人员和学生社区通过对平台的广泛基准和用户评估来验证该平台的功效，与以前的版本相比，该平台的平台社区指出，它的实质性提高，并表达了利用该平台的未来研究和开发的兴趣。Arena 3.0在https://github.com/arena-rosnav上公开可用。
基于强化学习的自主机器人的研究
摘要 - 通过与环境的持续互动，基于实时反馈奖励信号不断优化决策，表明了强大的适应性和自学能力。近年来，它已成为实现机器人自动导航的关键方法之一。在这项工作中，引入了一种基于强化学习的自动机器人导航方法。我们使用深Q网络（DQN）和近端策略优化（PPO）模型通过机器人与环境之间的持续互动以及具有实时反馈的奖励信号来优化路径计划和决策过程。通过将Q值函数与深神经网络相结合，深Q网络可以处理高维状态空间，从而在复杂的环境中实现路径计划。近端策略优化是一种基于策略梯度的方法，它使机器人能够通过优化策略功能来更有效地探索和利用环境信息。这些方法不仅可以提高机器人在未知环境中的导航能力，还可以增强其适应性和自学能力。通过多个培训和仿真实验，我们在各种复杂的情况下验证了这些模型的有效性和鲁棒性。
精确相对定位的概念方法...
由小型低成本 GPS 记录设备收集的 L1 相位测量是导航方法的基础，旨在独立于任何辅助系统精确测量（飞行）轨迹。在一个移动接收器在两个不同时间进行的两个测量之间形成单一差异，可以在长达几分钟的时间间隔内实现低分米范围内的相对精度。该方法不需要空间或地面增强系统、第二个附近的基站接收器或任何（静态）初始化模式。这一事实大大降低了用户在极端偏远地区经常在恶劣的现场条件下操作时需要处理的复杂性。该方法利用消除歧义的优势，而不是努力估计每个相位测量都有偏差的这些未知量。本文推导了本构导航方程，并讨论了限制可能处理间隔的各种误差源的理论方面。该方法通过静态和动态参考数据进行了验证。最后，介绍了在凯尔盖朗群岛使用时差法测量信天翁动态翱翔的 GPS 活动的初步结果，并使用时差法处理了示例数据。