XiaoMi-AI文件搜索系统
World File Search System工业目标
自 2024 年 3 月 1 日起，将 RED III 纳入国家法律（RFNBO 工业目标）
2020 年 6 月 10 日，德国联邦政府通过了《国家氢能战略》，并任命了德国国家氢能委员会。该委员会由 26 名经济、科学和民间社会领域的高级专家组成。这些专家不属于公共行政部门。国家氢能委员会的成员是生产、研究和创新、工业脱碳、交通和建筑/供暖、基础设施、国际伙伴关系以及气候和可持续性领域的专家。国家氢能委员会主席由前议会国务秘书 Katherina Reiche 担任。
欧洲共同利益重要项目——欧洲产业政策工具
自 2018 年底开始实施的欧洲共同利益重要项目 (IPCEI) 可以满足加强欧盟 (EU) 工业政策和维护单一市场竞争的双重要求。IPCEI 涉及定义欧盟范围内的共同技术和工业目标，这些目标转化为由成员国选定的公司领导的项目。选定公司的公共资金不是来自欧盟资助计划，而是由成员国从其国家预算中提供。为了限制与授予项目的公共资金相关的竞争扭曲风险，只有在公司证明存在市场失灵、在没有援助的情况下无法进行项目的经济可行性以及在竞争方面存在积极影响大于消极影响的情况下，欧盟委员会才会批准这些项目。此外，为了进一步降低扭曲风险，公司承诺与强大的合作伙伴合作，特别是在知识传播方面。
机器人人体检测的跨模态分析
摘要 — 感知和学习算法的进步已使机器人进行人体检测的解决方案越来越成熟，特别是在某些用例中，例如自动驾驶汽车的行人检测或消费者环境中的近距离人体检测。尽管取得了这些进展，但一个简单的问题：哪种传感器-算法组合最适合手头的人体检测任务？仍然很难回答。在本文中，我们通过对机器人技术中常用的传感器-算法组合进行系统的跨模态分析来解决这个问题。我们比较了最先进的人体检测器在具有挑战性的工业用例中对 2D 范围数据、3D 激光雷达和 RGB-D 数据及其选定组合的性能。我们进一步解决了工业目标领域数据稀缺的相关问题，并且最近对 3D 点云中人体检测的研究主要集中在自动驾驶场景上。为了将这些方法上的进步用于机器人应用，我们利用一种简单但有效的多传感器迁移学习策略，通过扩展强大的基于图像的 RGB-D 检测器，以弱 3D 边界框标签的形式为激光雷达检测器提供跨模态监督。我们的结果表明，在检测性能、泛化、帧速率和计算要求方面，不同方法之间存在很大差异。由于我们的用例包含代表广泛服务机器人应用的困难，我们相信这些结果为进一步研究指出了相关的开放挑战，并为从业者设计他们的机器人系统提供了宝贵的支持。
机器人人体检测的跨模态分析
摘要 — 感知和学习算法的进步已使机器人进行人体检测的解决方案越来越成熟，特别是在某些用例中，例如自动驾驶汽车的行人检测或消费者环境中的近距离人体检测。尽管取得了这些进展，但一个简单的问题：哪种传感器-算法组合最适合手头的人体检测任务？仍然很难回答。在本文中，我们通过对机器人技术中常用的传感器-算法组合进行系统的跨模态分析来解决这个问题。我们比较了最先进的人体检测器在具有挑战性的工业用例中对 2D 范围数据、3D 激光雷达和 RGB-D 数据及其选定组合的性能。我们进一步解决了工业目标领域数据稀缺的相关问题，并且最近对 3D 点云中人体检测的研究主要集中在自动驾驶场景上。为了将这些方法上的进步用于机器人应用，我们利用一种简单但有效的多传感器迁移学习策略，通过扩展强大的基于图像的 RGB-D 检测器，以弱 3D 边界框标签的形式为激光雷达检测器提供跨模态监督。我们的结果表明，在检测性能、泛化、帧速率和计算要求方面，不同方法之间存在很大差异。由于我们的用例包含代表广泛服务机器人应用的困难，我们相信这些结果为进一步研究指出了相关的开放挑战，并为从业者设计他们的机器人系统提供了宝贵的支持。