XiaoMi-AI文件搜索系统
World File Search System导航的
视觉导航的体积环境表示
Vision语言导航（VLN）要求代理在基于视觉观察和自然语言说明的3D环境中导航。很明显，成功导航的关键因素在于全面的场景理解。以前的VLN代理使用单眼框架直接提取透视视图的2D特征。虽然很简单，但他们为捕获3D几何和语义而努力，导致部分不完整的环境代表。为了实现具有细粒细节的全面3D表示，我们引入了体积环境（VER），将物理世界脱氧于结构化的3D细胞中。对于每个单元格，通过2D-3D采样将多视图2D特征归纳到如此统一的3D空间中。通过对VER的粗略到纤维特征进行推断和多任务学习，我们的代理人可以共同预测3D占用率，3D房间布局和3D边界框。基于在线收集的vers，我们的代理构成了体积状态估计，并构建情节内存以预测下一步。实验结果表明，我们从多任务学习的环境表示导致了VLN的可观绩效提高。我们的模型在VLN基准（R2R，Reverie和R4R）之间实现了最新的性能。
多机器人社交导航的注意图
摘要 - 学习机器人导航策略 - 三角形对于基于域的应用至关重要。结合感知，计划和预测使我们能够对机器人和行人之间的相互作用进行建模，从而导致不断的结果，尤其是基于深度强化学习（RL）的最新方法。但是，这些作品不考虑多机器人方案。在本文中，我们提出了MultiSoc，这是一种使用RL学习多代理社会意识的导航策略的新方法。受到有关多代理深度RL的最新作品的启发，我们的方法利用了基于图形的代理相互作用的表示，结合了实体（行人和代理人）的位置和视野。每个代理使用基于两个图神经网络和注意机制的模型。首先，边缘se子产生一个稀疏的图，然后一个人群坐标应用了节点注意，以产生代表每个实体对其他实体的影响的图。这被整合到一个无模型的RL框架中，以学习多代理策略。我们评估了我们的模拟方法，并在各种条件（代理 /行人的数量）中提供了一系列实验。经验结果表明，我们的方法比社会导航更快地学习了深度RL单一代理技术，并且可以在挑战人群导航中通过多个异构人类进行有效的多代理隐式协调。此外，通过合并可自定义的元参数，我们可以调整邻里密度以考虑到我们的导航策略。
一项有关具有社会意识的机器人导航的调查
摘要：肥胖是一种慢性，普遍且复杂的健康状况，会严重损害物理和心理健康。世界卫生组织呼吁将肥胖症护理纳入主要医疗服务中现有的慢性疾病管理计划。此范围审查旨在检查注册护士在肥胖者的主要医疗保健管理中的作用。使用Johanna Briggs Institute方法框架进行了范围审查。主题分析用于识别和分类护士在成人初级卫生保健肥胖管理中的作用。本文中包含的1142个文件，15篇论文符合纳入标准。主题分析产生了代表护士主要角色的六个主题：以患者为中心的护理，患者评估，治疗干预措施，护理管理，患者教育和专业发展。本评论确定，有关护士角色的文献主要描述了他们对生活方式干预措施（主要是营养和体育锻炼），人体测量测量，健康计划，目标设定，支持性护理，监测进度和安排随访的关注。讨论强调了确定RN知识差距和偏见的重要性。需要进行更多的研究，以确定与肥胖症相关的额外的RN教育需要作为一种复杂的慢性疾病。
半自动导航的规定时间控制障碍函数
本文提出了对控制屏障功能（CBF）的新颖使用，以在半自动导航方案中执行规定的时间安全，其中航空车辆通过一系列航路点导航。特别是，我们使用规定的时间控制障碍功能（PT-CBF）来确保车辆接近航路点附近并通过航路点本身之间的最小遍历时间。激励申请是需要在板载人员进行视觉确认路点可用性的应用程序。PT-CBF可以确保达到规定的最小航向遍历时间，并且如通过仿真所示，它们还允许更快地完成任务，该任务完成了，该任务比在指定持续时间内激活传统CBF的简单策略。
增强自主无人机导航的隐私和安全性
摘要 - 自主无人驾驶汽车（UAV）已成为国防，执法，灾难响应和产品交付的重要工具。这些自主导航系统需要一个无线通信网络，并且最近是基于深度学习的。在诸如边境保护或灾难响应之类的关键场景中，确保自主无人机的安全导航至关重要。但是，这些自主无人机容易受到通过通信网络或深度学习模型的对抗性攻击 - 窃听 /中间 /成员 /成员推理 /重建。为了解决这种敏感性，我们提出了一种创新的方法，该方法结合了增强学习（RL）和完全同型加密（FHE），以实现安全的自主无人机导航。此端到端的安全框架是为无人机摄像机捕获的实时视频供稿而设计的，并利用FHE对加密的输入图像执行推断。虽然FHE允许对加密数据进行计算，但某些计算运算符尚未实现。卷积神经网络，完全连接的神经网络，激活功能和OpenAI Gym库被精心适应FHE域，以实现加密的数据处理。我们通过广泛的实验证明了我们提出的方法的功效。我们提出的方法可确保自主无人机导航中的安全性和隐私性，并且绩效损失微不足道。索引术语 - 自主无人驾驶汽车，完全同构加密，隐私，增强学习
空间导航的神经科学及其与人工智能的关系
人工智能 (AI) 和神经科学的最新进展令人印象深刻。在人工智能领域，这包括开发可以击败围棋大师或在癌症检测方面胜过人类放射科医生的计算机程序。这些技术发展中的很大一部分与人工神经网络的进步直接相关——最初受到我们对大脑如何进行计算的认识的启发。与此同时，神经科学在理解大脑方面也取得了重大进展。例如，在空间导航领域，有关认知图（空间的内部表示）的神经计算机制和大脑区域的知识最近获得了诺贝尔医学奖。神经科学最近的大部分进展部分归功于技术的发展，该技术用于以极高的时间和空间分辨率记录动物行为中大脑多个区域的大量神经元。随着这些技术使我们能够收集大量数据，人们对人工智能与神经科学的交叉点的兴趣日益浓厚，其中许多交叉点涉及使用人工智能作为探索和分析这些大型数据集的新工具。但是，鉴于共同的初始动机点——了解大脑——这些学科可以更紧密地联系在一起。目前，这种潜在的协同作用大部分尚未实现。我们认为空间导航是这两个学科可以融合以促进我们对大脑的了解的绝佳领域。在这篇评论中，我们首先总结了空间导航和强化学习的神经科学进展。然后，我们将注意力转向讨论如何使用描述性、机械性和规范性方法对空间导航进行建模，以及在这些模型中使用人工智能。接下来，我们讨论人工智能如何推动神经科学的发展，神经科学如何推动人工智能的发展，以及这些方法的局限性。最后，我们重点介绍了一些有前景的研究方向，其中空间导航可以成为神经科学和人工智能的交汇点，以及这如何有助于促进对智能行为的理解。
无冲突导航的多个二次运动的自主控制
摘要本文介绍了一组新型的自主控制定律的发展，用于在填充圆柱形障碍物的工作区中导航多个迷你或微型四键。对作者的知识，这是第一次，这组控制多个四肢自主控制的控制输入是从单个Lyapunov函数中得出的。通过最小距离技术来避免圆柱障碍物，该技术允许四型四个单位避免圆柱弯曲表面上的最接近点。此外，新颖的控制器确保在每个单位时间和四个目标的盘旋运动在其目标附近展示的盘旋运动和悬停运动的近距离方向。在本文中，通过解决了四型的未成年人的范围，该论文已完全解决了四个四面体，该方案允许设计垂直起飞和着陆所需的最大转换速度以及悬停。这在有效载荷对杂技方向敏感的应用中很重要。计算机模拟使用圆柱塔模仿现实生活中的场景作为城市般环境中的障碍说明了控制器的有效性。
具有漫游地形的漫游车导航的经验
引言月球的诱惑很强 - 人类再次应对挑战。一个有前途的近期场景是将一对流浪者降落在月球上，并参与多年1000公里的历史景点，包括阿波罗11号，测量师5，游侠8，阿波罗17和Lunokhod 2 [6]。在这种情况下，流浪者将以自主或保护的监督控制模式进行操作，并将其周围环境的连续实时视频传输到地球上的操作员。虽然这种任务的硬件方面令人生畏 - 电源，热，通信，机械和电气可靠性等。- 软件控制方面同样具有挑战性。特别是，流动站需要能够在各种地形上行驶并维护其操作的能力。以前的行星机器人（尤其是Lunokhod 2和Viking的手臂）的经验说明了远程操作员的费力和不可预测的时间延迟的漫画。更好的操作模式是监督远程运行，甚至是自动操作，其中流动站本身负责做出许多维持进度和安全所需的决定。我们已经开始了一项计划，以开发和演示技术，以在月球般的环境中启用远程，保护的远程操作和自动驾驶。特别是，我们正在研究立体声的技术
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。