XiaoMi-AI文件搜索系统
World File Search System情境意识
不同脑力负荷水平下的情境意识研究
这是一篇根据知识共享许可协议（ http ： / / creativecommons.org / licenses / by / 4.0 ）分发的开放获取文章，
飞机座舱数字信息界面交互设计与情境意识研究综述
高的问题，在全面进入 2D 数字屏幕界面阶段后，飞 机座舱只有少数的传统机械仪表被保留，大部分的飞 行信息数据都由计算机分析后再在主飞行显示器 （ PFD ）上显示出来，这种获取信息的方式大大增强 了飞行员驾驶的安全性。平视显示器（ HUD ）是飞机 座舱人机交互界面的另一种形式。 HUD 可以减少飞 行技术误差，在低能见度、复杂地形条件下向飞行员 提供正确的飞行指引信息。随着集成化和显示器技术 的不断进步， 20 世纪末至今，飞机座舱有着进一步 融合显示器、实现全数字化界面的趋势。例如，我国 自主研发生产的 ARJ21 支线客机、 C919 民航客机， 其座舱的人机界面设计均采用触控数字界面技术代 替了大部分的机械仪表按钮 [2] 。 20 世纪 70 年代，美军在主战机上装备了头盔显 示系统（ HMDs ），引发了空中战争领域的技术革命。 在虚拟成像技术成熟后，利用增强现实（ AR ）技术 可以直接将经过计算机运算处理过的数据和图象投 射到驾驶员头盔的面罩上。例如，美国 F-35 战斗机 的飞行员头盔使用了虚拟成像技术，将计算机模拟的 数字化信息数据与现实环境无缝融合，具有实时显示 和信息叠加功能，突破了空间和时间的限制。 20 世纪 90 年代，美国麦道飞机公司提出了“大 图像”智能化全景座舱设计理念，之后美国空军研 究实验室又提出了超级全景座舱显示（ SPCD ）的概 念，充分调用飞行员的视觉、听觉和触觉，利用头 盔显示器或其他大屏幕显示器、交互语音控制系统、 AR/VR/ MR 系统、手 / 眼 / 头跟踪电子组件、飞行员 状态监测系统等，把飞行员置身于多维度的显示与 控制环境中。此外，在空间三维信息外加上预测信 息的时间维度功能也是未来座舱显示器的发展趋势 [3] 。 2020 年，英国宇航系统公司发布了一款第六代 战斗机的概念座舱，去除了驾驶舱中所有的控制操 作仪器，完全依靠头盔以 AR 形式将操作界面显示 出来。由上述分析可知，未来基于 XR 环境下的虚拟 增强型人机界面将成为飞机座舱人机交互的全新途 径之一。 在学术界，有关飞机座舱人机交互界面的研究也 取得了较为丰硕的成果，其中代表性研究成果见表 1 。
多域情境意识
G. Denaro，D。Gaglione，N。Forti，A。 Simone，F。Daffina，G。Bottini，D。Quattrociocchi，L.Millefiori，P.Braca，S。Carniel，P。Willett，A。Iodice，D。Riccio，D。Riccio，A。Farina，“空间全球海上监视”。 第一部分：卫星技术，“ IEEE航空和电子系统杂志，2021年。Simone，F。Daffina，G。Bottini，D。Quattrociocchi，L.Millefiori，P.Braca，S。Carniel，P。Willett，A。Iodice，D。Riccio，D。Riccio，A。Farina，“空间全球海上监视”。第一部分：卫星技术，“ IEEE航空和电子系统杂志，2021年。
芬兰的情境意识解决方案
一组芬兰和芬兰的技术公司为非军事应用提供并建立情境意识系统。这些公司在自己的技术领域具有深厚的专业知识，并且作为一个集群，它们满足了各种各样的客户需求。小组的能力领域和产品涵盖了情境意识系统的所有方面，从卫星和传感器到基于人工智能的数据处理系统。根据系统的应用和要求，将相应选择参与公司。以下图显示了情境意识系统中的联合芬兰产品。
增强国防车辆中的情境意识
摘要在发展中的汽车行业中，国防车辆的重要性也日益增加。这些车辆在平民和军事领域都使用，在提供情报和安全方面具有重要的位置。但是，为了提供此安全性，必须从放置在车辆中的摄像机中清楚地读取外部环境图像，这是关键因素之一。从外部环境中拍摄的图像的清晰度必须很高，易于阅读，并且细节必须无损。传统的摄像头系统在这些环境中不足，没有光线或光线不足。在这种情况下，IR（红外）摄像头系统可以检测到人眼无法感知的温度差异，即使在没有光的环境中，也可以显示人和物体。尽管它提供了许多好处，但问题范围不足，缝制重叠区域，颜色不一致和低分辨率等问题可能会导致车内用户无法获得清晰的读数。因此，在提供安全性方面可能会发生主要的安全威胁。在本文中，讨论了IR相机系统在防御车辆中的重要性，可能会阻止相机系统有效操作的问题以及可用于消除这些问题的方法。
机器人情境意识的神经生物学模式模型
摘要 — 在多种环境下运行的机器人必须开发稳定且灵活的任务和环境相关表示。从神经生物学中汲取灵感，我们应用了图式和记忆巩固的神经网络模型来训练丰田人类支持机器人在室内环境中查找和检索物体。我们将图式定义为由共同上下文绑定在一起的物体集合。在这种情况下，机器人必须根据通常在这些房间中发现的物体来学习与学校房间相关的图式。由于该模型为每个房间开发了图式表示，因此机器人可以快速执行与熟悉图式相关的物体检索任务，并根据上下文消除任务歧义。我们的实验探索了该模型在具体环境中的效果，并展示了将记忆巩固研究应用于机器人情境感知的好处。索引词 — 记忆巩固、学习情境、认知机器人、神经调节、神经机器人、图式
网格异常的情境意识的视觉分析
我们通过可视化在现有宽带有线电视网络设备上部署的电压传感器中的新数据来描述电力配电系统的几乎实时情况意识。我们基于Web的可扩展视觉分析平台支持交互式地理空间探索，时间序列分析以及在潜在异常事件中网格行为的汇总。宽带有线电视传感器网络提供了比大多数公用事业通常可以使用的局部空间分辨率的电气分配系统的观察能力，从而揭示了网络的运行状态，并有助于检测出易于的行为或与预期模式的偏差，尤其是在电动公用事业服务领域。我们概述了交互式地理空间和时间序列可视化组件的设计和验证以及在整个网络上提供元数据，历史和实时传感器数据的实时流的可扩展数据服务。我们在极端天气的时期介绍了平台，阐明了其协助检测影响功率可用性，质量，弹性和服务恢复的操作模式的能力。
重新获得负责用户的情境意识
个体差异和环境因素起着重要作用。参与者和位置（UCL与LU）之间的接管绩效有明显的变化。UCL参与者通常需要更长的时间才能达到目标速度，尤其是在道路工程场景中。与LU相比，使用摇篮手机或完成Wordes搜索等活动会导致UCL的延迟更多。这种差异可以归因于模拟器环境中的变化或两个位置之间接管方法的变化。但是，位置和性能之间没有发现显着的相互作用效应，表明尽管个人和环境因素很重要，但它们并没有最终影响性能结果。同样，尽管没有发现特定NDRA对车道偏差的显着影响，但参与者之间的差异突出了在评估接管绩效时考虑个人和环境因素的重要性。
以无人机为中心的情境意识的整体评论
摘要：本文介绍了对无人机情境意识（SA）（SA）的全面调查，描述了其应用，局限性和基本算法挑战。它突出了高级算法和战略见解的关键作用，包括传感器集成，强大的协调框架和复杂的数据处理方法。纸张批判性地构成了多方面的挑战，例如实时数据处理需求，动态环境中的适应性以及高级AI和机器学习技术引入的复杂性。关键贡献包括对诸如精密农业，灾难管理和城市基础设施监测等行业中无人机中心的变革潜力的详细探索，这是案例研究的支持。此外，该论文研究了路径规划和控制的算法方法，以及多代理合作社SA的策略，解决了各自的chal菌和未来的方向。此外，本文讨论了即将到来的技术进步 - 旨在克服当前局限性的能源有效的AI解决方案。这项整体审查提供了对UAV中心的SA的宝贵见解，为将来的重新搜索和该领域的实际应用建立了基础。