XiaoMi-AI文件搜索系统
World File Search System感知技术
基于事件触发的增强学习基于超级可靠的低延迟v2x通信
3D占用感知技术旨在观察和了解自动驾驶汽车的密集3D环境。由于其全面的感知能力，这项技术正在成为自主驾驶感知系统的一种趋势，并引起了行业和学术界的极大关注。类似于传统的鸟眼观点（BEV）感知，3D占用感感知具有多源输入的性质和信息融合的必要性。但是，区别在于它捕获了2D BEV忽略的垂直结构。在本调查中，我们回顾了有关3D占用感知的最新作品，并提供了对具有各种输入方式的方法的深入分析。具体来说，我们总结了通用网络管道，突出显示信息融合技术并讨论有效的网络培训。我们在最受欢迎的数据集上评估和分析了最先进的占用性能。此外，还讨论了挑战和未来的研究方向。我们希望本文能够激发社区的灵感，并鼓励有关3D占用感的更多研究工作。本调查中的一项全面研究清单可在主动存储库中公开获得，该存储库不断收集最新作品：https：//github.com/huaiyuanxu/3d-occupancy-poception。
乐观和创新性对客户的影响...
本研究旨在研究创新和客户乐观对使用自助技术的便利性的影响。来自46家酒店的总共940名受访者回答了一份调查问卷。一种分层的随机抽样技术用于从埃及五个旅游地区选择参与酒店。计算描述性统计数据以显示技术创新和乐观的一致性水平。回归来测试创新和乐观对感知技术可访问性的影响。在技术创新方面，调查参与者通常喜欢学习新技术产品。同样，受访者对技术的使用非常乐观。回归结果表明，对技术的技术创新和客户乐观与自助服务技术的可访问性呈正相关。尽管对高质量的客户体验产生了影响，但在当前文献中尚未充分了解自助服务技术在酒店中的有效应用。这项研究为酒店/旅游和消费者技术研究的领域做出了贡献。在当今的商业环境中，尤其是在酒店行业中，持续的挑战和激烈的全球竞争一定会阐明客户对埃及五星级酒店技术准备的看法，这可以被视为对酒店管理非常重要的问题。
在海上运输的数字革命中的网络挑战
摘要智能运输和海上技术包括区块链和智能合约技术，信息感知技术，智能决策技术，智能路由技术，海洋通信网络安全技术，路线计划技术，自主导航技术，州监测和故障诊断技术等。尽管如此，这些进步带来了实际和法律的挑战，以及数字时代的新威胁：网络犯罪。本文介绍了与数字技术在运输和运输中的集成相关的主要挑战和机遇，例如智能合约和无人船，以及网络问题如何影响海上行动的安全，保障和效率。第一部分研究了智能合约是集成和运行的技术背景，即术语区块链和技术分布式分类帐技术。进一步分析了海事行业中智能合约的机制和类型。此外，还研究了新技术的各个方面及其提出的挑战。第二部分重点关注智能合约的法律潜力，以检查其问题和海事行业的网络挑战。在本文的末尾列出了批判性言论和结论。关键字：数字化，网络安全，智能合约，自动船。JEL分类：K12，K20，K22，K24 DOI：10.62768/TBJ/2024/2024/20/2/2/09
量化脉动阵列 DNN 加速器中激活故障可靠性的探索
摘要 — 深度神经网络 (DNN) 加速器可靠性的严格要求与减少硬件平台计算负担的需求相伴而生，即降低能耗和执行时间以及提高 DNN 加速器的效率。此外，对具有定制要求的专用 DNN 加速器的需求不断增长，特别是对于安全关键型应用，这需要进行全面的设计空间探索，以开发出满足这些要求的高效且强大的加速器。因此，硬件性能（即面积和延迟）与 DNN 加速器实现的可靠性之间的权衡变得至关重要，需要分析工具。本文提出了一种全面的方法来探索和实现对量化对模型精度、激活故障可靠性和硬件效率的三方影响的整体评估。介绍了一个完全自动化的框架，该框架能够应用各种量化感知技术、故障注入和硬件实现，从而实现硬件参数的测量。此外，本文提出了一种集成在框架内的新型轻量级保护技术，以确保最终基于脉动阵列的 FPGA 实现的可靠部署。在已建立的基准上进行的实验展示了分析流程以及量化对可靠性、硬件性能和网络准确性的深远影响，特别是关于网络激活中的瞬态故障。索引术语 — 深度神经网络、设计空间探索、量化、故障模拟、可靠性评估
预见可提供第一批商业质量生产...
Ness Ziona, Israel – January 16, 2025 - Foresight Autonomous Holdings Ltd. (Nasdaq and TASE: FRSX) (“Foresight” or the “Company”), an innovator in 3D perception systems, announced today a major milestone in its production and commercialization road map, with the delivery of its first batch of ScaleCam™ systems to SUNWAY-AI Technology (Changzhou) Co.,有限公司（“ Sunway”），中国自主和无人智能车辆解决方案的制造商。预见的Scalecam系统旨在集成到Sunway的自主物流和机器人车辆的生产线中。此交付是在该公司2024年7月8日宣布其联合开发和供应协议之后的，以配备Sunway的无人材料处理车辆和自动驾驶机器人推车，并配备其先进的3D感知系统。通过整合远见的3D感知技术，这些车辆将配备完整的自动驾驶功能，以安全有效地浏览复杂的环境。这些系统的成功交付是远见卓识的生产和商业化路线图的一个重要里程碑，使公司能够实现快速生产和商业上升。远见认为，其及时的交付反映了强大的制造过程和有效的供应链管理，并展示了公司在开发自动驾驶汽车和机器高级视觉系统方面的专业知识。在自主物流和机器人技术迅速发展的领域中，这个成就位置是作为关键参与者的远见。关于Sunway-Ai技术
SPIE 论文集 - Vung Pham
美国陆军设想在拥挤、竞争激烈的环境和多域战中作战并取得胜利，而网络中心战 (NCW) 的革命性能力是必不可少的。NCW 的特点是地理上分散的部队能够获得高水平的共享战场空间感知，通过自主将人员、平台、武器、传感器和决策辅助设备连接到一个网络中，可以利用这种感知来实现战略、战役和战术目标。未来的战场网络将产生大量数据，其数量可能超出数量。在多域战中，特别需要基于极不确定环境下大量异构、稀疏、嘈杂和定义不明确的数据的实时决策新技术。此外，人类有时已经完全适应了传感技术带来的信息。因此，建立在庞大信息源网络上的指挥架构更容易受到潜在的灾难性机器与人决策冲突的影响，也容易受到包括对手的欺骗、干扰和遮蔽在内的网络威胁，最终可能导致决策失败。在本文中，研究人员介绍了基于人工智能的概念化可视化分析框架的验证结果。研究人员的最终目标是将成熟的技术整合到本地指挥部和全球物流中心的态势感知技术中，以便在远征多域环境中对航空平台和自主系统进行有效的后勤指挥和控制。关键词：网络中心战、实时决策、人工智能、机器学习、网络安全、可视化分析、态势感知、状态感知系统、基于条件的维护、零维护、物流
澳大利亚航天局的首届...
澳大利亚航天局的首个空间态势感知技术路线图：背景、方法和经验 Aude Vignelles 澳大利亚航天局 Marie Le Pellec 博士 澳大利亚航天局 Frank Gallagher 澳大利亚航天局 摘要 过去几年来，航天领域经历了重大变革，太空变得更加经济实惠且易于获取。私营实体加入了知名参与者的行列，创造了新的机遇，也带来了重大挑战。未来十年将出现更为重大的变化，因为大型卫星星座将在现有轨道上增加数千颗新卫星。参与者和太空卫星数量的这种演变，将可持续利用太空及其监管置于国际讨论的前沿。尽管澳大利亚在太空活动方面有着深厚的传统，但澳大利亚航天局（简称“该机构”）是一个在新太空时代崛起的年轻机构。该机构的目的是协调政府的民用空间事务，并发展全球知名的澳大利亚航天产业，以促进更广泛的经济发展，激励和改善澳大利亚人的生活。作为其战略的一部分，该机构正在制定空间态势感知 (SSA) 和碎片监测路线图。本文概述了 SSA 路线图方法，提供了每个阶段的详细信息，从实施技术咨询小组、确定市场差距和机会，到设定目标和实现 SSA 路线图愿景和抱负的途径。
COLVO：考虑几何和光度一致性
定位病变是结肠镜检查的主要目标。3D感知技术可以通过恢复结肠的3D空间信息来提高病变局部局部的准确性。但是，现有方法集中于单个帧的局部深度估计，并忽略了结肠镜的精确全局定位，因此未能提供病变的准确3D位置。此短缺的根本原因是双重的：首先，现有方法将结肠深度和结肠镜构成估计为独立任务，或将其设计为并行子任务分支。其次，结肠环境中的光源与结肠镜一起移动，从而导致连续框架图像之间的亮度波动。为了解决这两个问题，我们提出了一个新型的基于深度学习的视觉探针框架Colvo，它可以使用两个关键组成部分不断地估算结肠深度和结肠镜姿势：深度和姿势估计的深度策略（DCDP）和轻型一致的校准机制（LCC）。dcdp对夫妇融合和损失函数的利用对夫妇深度和构图估计模式的限制确保了连续帧之间几何投影的无缝比对。同时，LCC通过重新校准相邻帧的光度值来解释亮度变化，从而增强了Colvo的鲁棒性。对COLVO在结肠探测基准上进行的全面评估揭示了其在深度和姿势估计的最新方法上的承受能力。我们还展示了两个有价值的应用：肠道立即定位和完整的3D重建。Colvo的代码可从https://github.com/xxx/xxx获得。
安全，动态人体工程学和自适应决策
摘要 - 将协作机器人集成到工业环境中的整合提高了生产率，但也强调了与操作员安全和人体工程学相关的重大挑战。本文提出了一个创新的框架，该框架集成了先进的视觉感知技术，实时人体工程学监测和行为树（BT）基于自适应的决策。与通常在孤立或静态上运行的传统方法不同，我们的方法结合了深度学习模型（Yolo11和缓慢地），先进的跟踪（无流感的卡尔曼滤波器）和动态的人体工程学评估（OWAS），提供了模块化，可扩展和适应性系统。实验结果表明，该框架在几个方面都优于先前的方法：检测姿势和动作的准确性，在管理人类机器人相互作用方面的适应性以及通过及时的机器人干预措施降低人体工程学风险的能力。尤其是，视觉感知模块比Yolov9和Yolov8具有优越性，而实时人体工程学的概念消除了静态分析的局限性。自适应角色管理是由行为树实现的，比基于规则的系统具有更大的响应能力，使该框架适合复杂的工业场景。我们的系统在掌握意图识别方面的准确性为92.5％，并成功地将人体工程学风险分类为实时响应能力（平均延迟为0.57秒），使及时的机器人指数术语 - 人类机器人合作，实时的eR-GONOMICS，实时的eR-GONOMICS，适应性的决策，视觉感知，视觉感知，是Haviour haviour tree Yolo，Yolo。
有关通过AI技术革命社会情报和
感知创新AI和感知创新的进步已经揭示了增强社会情报的前所未有的机会。这种进化不仅重塑了我们与社会世界的理解和互动方式，而且还导致了解决复杂的社会挑战的创新方法。人工智能，传感技术和社会科学计算的结合提供了无与伦比的机会，以创建能够以更精确，更有效的方式来理解，预测和影响社会动态的系统。本期特刊致力于探索AI和传感技术的各个方面，从可穿戴设备和IoT传感器的实时社会和环境数据的收集到使用先进AI算法的复杂社会模式和行为的分析。特刊旨在提供一个全面的平台，以展示有助于AI和感知技术增强社会智能的理论，方法和应用的研究成就。我们预计该跨学科领域提出的发展趋势和可能性，以增强我们对社会系统的理解并促进全球社区的整体福利。本期特刊邀请了在AI和Seensing Technologies的最前沿工作的研究人员，从业人员和技术人员的原始贡献，适用于社会智能。特刊具有以下主题（但不限于）：杂志鼓励提交文章，这些文章提出了最新的研究结果，并反思了通过AI和感知创新革命的社会情报的潜在研究方向和挑战。此外，从UIC2024中选定的高质量论文的扩展版本以及众所周知的会议，例如Ubicomp，KDD，ICDE，AAAI，Mobicom，Mobicom，Sigcomm，Sigcomm，Sigcomm，sigcomm将被邀请以丰富此特刊的范围。