XiaoMi-AI文件搜索系统
World File Search System导航框架
具有完整性的弹性协作全源导航
全源弹性 能够保持一致的全源故障检测和排除 (FDE) 和完整性操作。弹性导航框架能够“了解”传感器信息的充分性，以便在发生传感器故障时保持这种一致性。本研究假设单个传感器同时发生故障。
LEO卫星轨道轨道通过闭环机器学习，并应用于机会性导航
摘要 - 提出了通过闭环机器学习的低地球轨道（LEO）卫星轨道预测的框架。通过改进地面车辆的导航，与使用简化的一般扰动4（SGP4）Orbit Orbit Expagator相比，使用“非合作” LEO卫星信号来证明该框架的功效，并通过“非合作” LEO卫星信号导航。该框架称为LEO-NNPON（具有机会性导航的NN预测），假定以下三个阶段。（i）LEO卫星第一通过（跟踪）：具有其位置提取物测量值的陆地接收器（伪造，载波相位和/或多普勒）从接收到的Leo卫星的信号中，使其能够估算到达的时间。LEO卫星的状态用SGP4传播的两行元素（TLE）数据初始化，随后在卫星可见性期间通过扩展的Kalman滤波器（EKF）估算。（ii）未观察的LEO卫星（预测）：在估计的ephemerides上对具有外源输入（NARX）NN的非线性自回归进行了训练，并用于传播Leo卫星的轨道，以期在此期间不观察卫星。（iii）LEO卫星第二通道（导航）：配备LEO接收器的地面导航器（例如，车辆），从Leo卫星的下链路信号中提取导航可观察到可观察到的可观察到的可观察到的可观察到的导航器。这些导航可观察物用于以紧密耦合的方式（例如，通过EKF）以紧密耦合的方式帮助导航器安装的惯性测量单元（IMU）。LEO卫星状态是从NN预测的胚层获得的。提出了装有工业级IMU导航4.05 km的地面车辆的实验结果，并提供了来自两个Orbcomm卫星的信号。比较了三个车辆导航框架，所有车辆导航框架都用全球导航卫星系统（GNSS） - 惯性导航系统（INS）位置和速度解决方案进行初始化。 （ii）使用SGP4传播的Leo Esphemerides的Leo-Aided Ins； （iii）与狮子座的狮子座。独立的三维（3-D）位置根平方（RMSE）为1,865 m，而SGP4的Leo Aided INS为175.5 m。 Leo-Nnpon的Leo Aided Ins为18.3 m，证明了拟议框架的功效。
昆虫在人类世尼克·布Blüthgen1†，lynn v ...
摘要 - 复杂的3-D方案中的导航需要适当的环境表示，以了解现场的理解和轨迹生成。我们提出了一个高度效率和可扩展的全球导航框架，基于对环境的层析成像理解，以导航多层结构中的地面机器人。我们的AP-PRACH使用点云图生成断层图，以将几何结构编码为地面和天花板高程。然后，考虑到机器人的运动能力，它评估了场景遍历性。通过平行计算来加速绘制构造和场景评估。与直接在3D空间中的计划相比，我们的方法进一步减轻了轨迹产生的复杂性。它通过搜索多个断层切片并分别调整机器人高度以避免悬垂来生成3-D传播。我们在各种模拟方案中评估了我们的框架 - iOS，并在四足动物的机器人上进一步在现实世界中对其进行了测试。我们的方法将场景评估时间减少了三个数量级，并将路径计划速度提高了三倍，与现有方法相比，在各种复杂的3-D环境中表明了高度有效的全球导航。
不确定性吸引模块化的设计和分析...
我们提出了不确定性感知的模块化自治堆栈的框架，以描述利用不确定性定量（UQ）的现代机器人系统。在论文的第一部分中，我们引入了导航框架的实现。我们提出了一条新型管道，以从使用保形预测的轨迹预测模型以及一种利用这些集合的安全保证的计划方法中获得概率安全且可行的可行性集合。我们通过实际的自动驾驶数据以及波音车辆的实验来展示管道在仿真中的功效。在第二部分中，我们通过研究使用UQ的系统范围的影响，对框架进行了分析。我们使用级别设置估计工具来有效地量化系统的鲁棒性和校准，即使评估过程成本很高。我们将分析应用于两个现实的行业级系统。我们发现，在存在输入误差的情况下，UQ改善了整体系统的鲁棒性，尽管上游的错误输出错误，但UQ使下游模块能够提供校准的输出。
自适应联合过滤器组合基于导航算法...
摘要集成导航系统确保海上自主地表船（质量）安全，有效，并在不同的复杂导航环境中自主完成各种操作。研究集成导航的可靠算法对于增强系统的容错和确保船舶运动状态的稳定和连续输出至关重要。但是，现有的研究主要集中于优化特定的过滤算法或检查预定的集成导航结构中信息分配的基础。因此，在导航传感器故障的情况下，增强质量集成导航系统鲁棒性的策略和联合过滤器的子系统的设计尚未进行复杂的海上导航方案的充分研究。因此，这项研究介绍了使用非线性采样过滤的集成导航系统中系统特征和状态估计性能的可观察性共享因子。随后，开发了具有分布式联邦过滤器的可靠集成导航框架。在此框架内，根据可观察性共享因子提出了自适应联合过滤算法，以分配联合过滤中的信息。最后，通过仿真和实地实验验证了算法的理论性和有效性，以帮助开发准确和耐断层的海上导航系统。
使用粗图>在看不见的环境中的机器人导航
摘要 - 公制占用图广泛用于机器人导航系统中。但是，当机器人被部署在看不见的环境中时，构建准确的度量图会耗时。可以使用粗图直接在以前看不见的环境中直接导航？在这项工作中，我们提出了粗大地图导航器（CMN），这是一个可以使用不同的粗图在看不见的环境中执行机器人导航的导航框架。为此，CMN解决了两个挑战：（1）新颖而现实的视觉观察； （2）粗图上的误差和错位。为了解决在看不见的环境中的新型视觉观测，CMN了解了一个深刻的感知模型，该模型将视觉输入从各个像素空间映射到本地占用网格空间。为了解决粗图上的误差和未对准，CMN使用预测的局部占用网格作为观测值扩展了贝叶斯过滤器，并直接在粗图上保持信念。使用最新信念，CMN提取了全球启发式向量，该向量指导计划者找到本地导航行动。经验结果表明，CMN在看不见的环境中实现了高导航的成功率，明显优于基准，并且对不同的粗图形具有鲁棒性。