如今,许多期刊和会议发表了与上下文感知系统有关的文章,表明许多研究人员的兴趣。因此,本文的目的是审查在期刊上发表的作品,提出一个新的分类框架,以探索上下文感知系统的新作品,并探索分类框架的每个功能。本文使用关键字索引和文章标题搜索对2000年至2007年的上下文感知系统的文献综述。分类框架是基于上下文感知系统的架构开发的,该系统由以下五个外行组成:概念和研究层,网络层,中间件层,应用程序层和用户基础层。文章是根据分类框架对文章进行分类的。本文允许研究人员提取几个对实施上下文意识系统很重要的经验教训。Crown版权所有2008年由Elsevier Ltd.发布的所有权利保留。
方法:视觉技术的进步对多个对象检测和场景理解的领域有重大影响。这些任务是各种技术的组成部分,包括将场景集成到增强现实中,促进机器人导航,启用自主驾驶系统以及改善旅游信息中的应用程序。尽管在视觉解释方面取得了长足的进步,但许多挑战仍然存在,包括语义理解,遮挡,定向,标记数据的可用性不足,照明不均匀,包括阴影和照明,方向变化,对象大小以及背景变化。为了克服这些挑战,我们提出了一个创新的场景识别框架,事实证明这是非常有效的,并产生了非凡的结果。首先,我们在场景数据上使用内核卷积执行预处理。第二,我们使用UNET分割执行语义分割。然后,我们使用离散小波变换(DWT),SOBEL和LAPLACIAN以及文本(本地二进制模式分析)从这些分段数据中提取特征。要识别对象,我们使用了深度信念网络,然后找到对象对象关系。最后,Alexnet用于基于图像中识别的对象将相关标签分配给场景。
准确地描绘路面上的坑洼不仅有助于消除安全相关顾虑并提高驾驶员的通勤效率,还可以减少交通机构不必要的维护成本。在本文中,我们提出了一种基于智能手机的系统,该系统能够精确估计坑洼的长度和深度,并介绍了坑洼数据收集、轮廓聚合以及坑洼警告和报告的整体设计。所提出的系统依靠车载智能手机的内置惯性传感器来估计坑洼轮廓,并警告驾驶员即将出现的坑洼。由于驾驶行为和车辆悬架系统的差异,构建此类系统的一个主要挑战是如何聚合来自多辆参与车辆的相互冲突的传感器报告。为了应对这一挑战,我们提出了一种新颖的可靠性感知数据聚合算法,称为可靠性自适应真相发现(RATD)。它推断每个数据源的可靠性并以无监督的方式聚合坑洼轮廓。我们的现场测试表明,所提出的系统可以有效地估计坑洼轮廓,并且与流行的数据聚合方法相比,RATD 算法显著提高了轮廓精度。
准确地描绘路面上的坑洼不仅有助于消除安全相关顾虑并提高驾驶员的通勤效率,还可以减少交通机构不必要的维护成本。在本文中,我们提出了一种基于智能手机的系统,该系统能够精确估计坑洼的长度和深度,并介绍了坑洼数据收集、轮廓聚合以及坑洼警告和报告的整体设计。所提出的系统依靠车载智能手机的内置惯性传感器来估计坑洼轮廓,并警告驾驶员即将出现的坑洼。由于驾驶行为和车辆悬架系统的差异,构建此类系统的一个主要挑战是如何聚合来自多辆参与车辆的相互冲突的传感器报告。为了应对这一挑战,我们提出了一种新颖的可靠性感知数据聚合算法,称为可靠性自适应真相发现(RATD)。它推断每个数据源的可靠性并以无监督的方式聚合坑洼轮廓。我们的现场测试表明,所提出的系统可以有效地估计坑洼轮廓,并且与流行的数据聚合方法相比,RATD 算法显著提高了轮廓绘制的准确性。
本文提出了一种优化问题公式,以通过多航天器监测解决地月空间域感知 (SDA) 的挑战。由于关注点范围广以及动态环境丰富,传统的地球架构设计方法难以满足地月 SDA 的设计要求;因此,越来越需要在地月轨道上部署多航天器系统以实现 SDA。基于多航天器的地月 SDA 架构的设计会产生一个复杂的多目标优化问题,其中必须同时考虑航天器数量、可观测性和轨道稳定性等参数。通过使用多目标隐基因遗传算法,本研究探索了与地月 SDA 问题相关的整个设计空间。演示案例研究表明,我们的方法可以提供针对成本和效率进行优化的架构。
摘要:空中操纵将飞行平台的多功能性和速度与移动操作的功能能力相结合,由于需要精确的定位和控制,这引起了挑战。在传统上,研究人员依靠卸下感知系统,这些系统涉及昂贵且不切实际的室内环境。在这项工作中,我们引入了一个新颖的平台,用于自主空中操纵,该平台可易于利用板载感知系统。我们的平台可以在各种室内和室外环境中进行空中操纵,而无需依赖外部感知系统。我们的实验结果表明了平台在不同环境中自主掌握各种对象的能力。这一进步可以通过消除昂贵的跟踪解决方案的需求来显着提高空中操纵应用的可扩展性和实用性。为了加速未来的研究,我们开源3我们的ROS 2软件堆栈和自定义硬件设计,使我们的贡献可用于更广泛的研究社区。
一组芬兰和芬兰的技术公司提供和构建用于非军事应用的态势感知系统。这些公司在自己的技术领域拥有深厚的专业知识,作为一个集群,它们满足了各种各样的客户需求。该集团的能力领域和产品涵盖了态势感知系统的所有方面,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,将相应地选择参与公司。下图显示了芬兰在态势感知系统方面的联合产品。
以前与传统镜头无法实现的那样。在深度感应应用中,元整日已被有效地应用于点扩散功能(PSF)Engiering 9和结构化光10、11,显示出很大的潜力,用于开发更紧凑,更有效的深度感知系统。随着对轻质和紧凑的深度相机的需求的增长,对基于跨表面的深度感知的研究加速了。在《光学科学》中发表的最新作品中12,X。Liu等。最近引入了一种开创性的双眼金属深度感知系统。这种紧凑而轻巧的解决方案有望增强下一代可穿戴设备,使我们更加接近更具实用和实用的空间计算体验。
从进展看,特斯拉居首,且从芯片、数据训练、大模型到本体制造、运控模型均自研自产,25年已制定千台量 产目标。其次为英伟达,其具备强大的算力能力+数据训练平台优势,利用微软芯片、数据、大模型、开发平 台,为人形机器人公司打造底层开发生态,已与14家人形公司合作。其次为Google,从放弃本体聚焦机器人 大模型,到再次牵手机器人公司合作下一代人形机器人,具备大模型能力。 OpenAI目前通过投资和自己小规模 研发机器人本体,尚未All in。苹果和Meta目前专注机器人细分感知领域,平台推出机器人感知系统ARMOR 可用于机械臂,Meta此前收购Digit触觉传感器团队。
作者:A Rodriguez · 2020 · 被引用 14 次 — 考虑到这一点,我们提出了一个端到端的实时网络态势感知系统,旨在从社交中检索与安全相关的信息...