XiaoMi-AI文件搜索系统
World File Search System导航的
移动机器人导航中的进步和挑战
抽象的移动机器人导航一直是研究人员的实践非常流行的话题。是为了增强移动机器人导航的自主权，已独立地建立和实施了许多算法（传统的基于AI的基于AI的基于AI，基于AI的智能，基于自我学习的）。然而，由于这些算法的限制，有效自主机器人导航的问题持续了多个程度。缺乏对实施技术及其缺点的知识，这是对这一主题进一步发展的障碍。这就是为什么关于先前实施的算法，其适用性，弱点以及其潜力需要进行的广泛研究，以评估如何改善移动机器人导航性能。在本评论论文中，已经对移动机器人导航算法进行了全面审查。调查结果表明，即使自学习算法需要大量的培训数据并具有学习错误的行为，他们具有巨大的潜力来克服其他传统算法很少解决的挑战。发现还暗示，在基于机器学习的算法的领域中，将知识表示与神经符号的方法集成在一起，具有通过大量利润来提高自动导航训练的准确性和性能。
Wil Thomason
1。通过基于矢量采样的计划，微秒中的动作。Wil Thomason *，Zachary Kingston ∗和Lydia E. Kavraki。ICRA 2024， *表示同等的贡献。2。随机隐式神经签名的距离功能，用于在感知不确定性下安全运动计划。Carlos Quintero-Peña，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。ICRA 2024。3。通过负担得起的抽象技能的动态基础加速了长马计划。Khen Elemelech，Zachary Kingston，Wil Thomason，Moshe Y. Vardi和Lydia E. Kavraki。 ICRA 2024。 4。 对象通过模拟衍生的可行动作重新配置对象。 Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。 ICRA 2023。 5。 一种基于统一的采样方法，用于集成任务和运动计划。 Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Khen Elemelech，Zachary Kingston，Wil Thomason，Moshe Y. Vardi和Lydia E. Kavraki。ICRA 2024。4。对象通过模拟衍生的可行动作重新配置对象。Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。 ICRA 2023。 5。 一种基于统一的采样方法，用于集成任务和运动计划。 Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Yiyuan Lee，Wil Thomason，Zachary Kingston和Lydia E. Kavraki。ICRA 2023。5。一种基于统一的采样方法，用于集成任务和运动计划。Wil Thomason和Ross Knepper。 ISRR2019。 6。 社会动量：在动态多机构环境中可清晰导航的框架。 Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。 HRI2018。 7。 零射门学习，以识别陌生的手势识别。 Wil Thomason和Ross Knepper。 ISER2016。Wil Thomason和Ross Knepper。ISRR2019。6。社会动量：在动态多机构环境中可清晰导航的框架。Christoforos Mavrogiannis，Wil Thomason，Ross Knepper。HRI2018。7。零射门学习，以识别陌生的手势识别。Wil Thomason和Ross Knepper。 ISER2016。Wil Thomason和Ross Knepper。ISER2016。ISER2016。
下载 - 欧洲空中导航安全组织
本论文是使用科学技术方法开发整体系统概念的独特尝试，有助于推进民航卫星导航应用的运营审批。安全案例以风险模型为核心，被提议作为一种方法，供交通服务提供商证明卫星导航的运营使用可以达到其目标安全水平，因此可以获得安全监管机构的运营审批。
潜在干扰源分析及...
摘要 目前，许多实验正在针对未来的 DGPS 进近和着陆系统进行，以提高飞机导航的质量。在航空应用中使用 C/A 码接收器需要很高的可靠性和完整性。本研究调查了使用 C/A 码并在航空电子环境内导航的 GPS 接收器的标准定位服务的潜在电磁干扰源。来自使用与 GPS 和 G LONASS 频段相邻频率的多个通信系统的射频发射给 GNSS 接收带来了相当大的问题。过于拥挤的频谱和微弱的 GPS 信号使来自各种来源的射频干扰成为潜在威胁，必须仔细检查。本文旨在概述潜在的干扰源及其解决方案。确定了这些 RFI 源，并评估了 GPS 和 GNSS 受到这种干扰的脆弱性。这项研究定量地了解了干扰的影响。针对最重要的干扰源，研究了它们的技术特性、干扰距离以及保持接收器良好性能所需的隔离或抑制要求。还研究了候选缓解技术，并建议在适当的标准中采用选定的技术。 1. 简介 通信可用的典型信号
使用Snell窗口中的极化模式的生物启发的水下导航
针对水下无人车辆（UUV）的自主导航能力的要求，提出了一种基于Snell窗口内极化模式的水下导航的新型仿生方法。受到生物的启发，极化导航是一种无卫星的导航计划，并且有很大的潜力在水中使用。但是，由于水下环境复杂，是否可以实现UUV两极化导航令人怀疑。为了说明水下极化导航的可行性，我们首先建立了水下极化模式的模型，以证明Snell窗口内的水下极化模式的稳定性和可预测性。然后，我们基于开发的极化信息检测设备进行水下标题确定的静态和动态实验。最后，我们获得了水下极化模式，并在不同的水深度进行跟踪实验。水下极化模式的实验结果与模拟一致，这证明了所提出的模型的正确性。在5 m的水深下，跟踪实验的平均角度和位置误差分别为14.3508°和4.0812 m。可以说明水下两极化导航是可以实现的，精度可以满足UUV的实时导航要求。这项研究促进了水下导航能力和海洋设备的发展。
人类皮质场景处理的发展
在过去的三十年中，研究大大提高了我们对成人人类场景的理解，发现了三个“场景选择”大脑区域的网络：Parahippocampal Place区域（PPA； Epstein＆Kanwisher，1998），枕形区域（OPA; Dilks等，2013）和reverosplenial（refosplenial; ragu complect; ragu; ragu; ragu; ragu; ragu; rague; ragu; rag rsc; rag rsc; rsc; rag rsc; rcy; rsc; rag rsc; rsc; rsc；这些区域是所谓的场景选择性的，因为它们每个区域对场景图像的响应大约是对象，面部和其他类别的响应，但有趣的是，每个在场景处理中播放的特定功能上有所不同。具体来说，我们最近提出，PPA支持我们将场景识别为特定位置（场景分类）的能力，OPA支持我们在立即可见的位置（视觉引导导航）导航的能力，RSC支持我们在更广泛的环境中导航的能力（基于MAP基于MAP的NavigaTion; Dilks et eilks et; Dilks等。1）。但是皮质场景如何发展？要在此问题上获得最初的牵引力，最早的
![[SSC24-XI-01]](/simg/6\6b7d6b752364ecf63f7edc33230e19cb47ee7804.webp)
[SSC24-XI-01]
本文介绍了在Starling地层飞行光学实验（StarFox）期间进行的一群小型航天器群的初始飞行结果。Starfox是NASA Starling Mission上的四个实验之一，该实验由2023年7月推出的四个立方体组成。仅一角方法应用板载摄像机获得的卫星间轴承角度进行导航，增加卫星自主权并实现新的任务概念。尽管如此，先前的飞行演示仅介绍了一个观察者和目标，并依靠Apriori目标轨道知识来初始化，转化操作以解决目标范围以及外部绝对轨道更新以维持收敛。StarFox通过应用仅角度的绝对和相对轨迹测量系统（ARTM）来克服这些局限性，该系统整合了三种新型算法。图像处理使用多种假设方法和域特异性运动学建模来启用并跟踪图像中的多个目标，并计算目标轴承角。批处理轨道确定通过迭代批次最小二乘和弱可观察到的目标范围的采样来计算从轴承角批次的初始群轨道估计。顺序轨道确定利用具有非线性模型的自适应，有效的无气体滤波器，以随着时间的推移来完善群体估计。通过横跨链路共享的多观察者测量值无缝融合以实现可靠的绝对和相对轨道测定。Starfox Flight数据和遥测者提供了卫星群的仅自动角度导航的首次演示，包括多目标和多观察者相对导航；未知目标导航的自主初始化；并同时确定绝对和相对轨道。在有挑战性的测量条件下，单个观察者达到了目标范围的0.5％的相对定位误差，而多个观察者则降低至0.1％。结果表明，关于正在进行的Starfox活动以及仅在未来分布式任务中的纯粹导航的应用方面表现出色。
基于连续的航路点和可及性分析的不确定性下的安全和适应性自主导航
本文为基于可靠的状态空间可达性分析提供了一种安全自主导航的新方法。后者改善了基于顺序航路点（NSBSWR）框架[1]的已经提出的灵活导航策略[1]，同时考虑了建模和/或感知方面的明显不同的不确定性。的确，NSBSWR是一个新兴的概念，可以利用其灵活性和通用性，以避免频繁的复杂轨迹的计划/重新计划。本文的主要贡献是引入可及性分析方案，作为可靠的风险评估和管理政策，以确保连续分配的航点之间安全自主导航。为此，使用间隔分析来传播影响车辆动力学到导航系统指出的不确定性。通过求解具有不确定变量和参数的普通微分方程，通过间隔泰勒串联扩展方法揭示了所有车辆潜在的可触及状态空间。根据可达集的获得的界限，对导航安全做出了决定。一旦捕获了碰撞风险，风险管理层就会采取行动以更新控制参数，以掌握关键情况并确保适当地达到Waypint，同时避免任何风险状态。几个模拟结果证明了在不确定性下总体导航的安全性，效率和鲁棒性。