XiaoMi-AI文件搜索系统
World File Search System无人驾驶
利用戴尔基础设施上的 H2O 无人驾驶 AI 实现机器学习自动化
除了大型科技公司外，其他公司都缺少数据科学家。借助 H2O Driverless AI，专家和新手数据科学家都可以快速自动构建高度透明的精确模型。H2O Driverless AI 是一款屡获殊荣的 AutoML 产品，它嵌入了来自世界顶尖工程和数据科学专家（包括世界顶级 Kaggle 大师）的数据科学最佳实践。它使用独特的遗传算法来确定每个用例的特征、模型和调整参数的最佳组合。集成的最佳实践和护栏可确保模型不会过度拟合数据，并帮助解决新手数据科学家可能需要帮助的其他常见问题。H2O Driverless AI 使公司能够利用他们已有或可以轻松找到的人才开展更多用例。
无人驾驶飞行器欧洲保持清晰功能的实施和实时验证
摘要：要将遥控无人驾驶飞行器全面融入民用空域，首先需要在飞行器中集成交通检测和规避 (DAA) 系统。DAA 系统支持遥控飞行员执行与其他飞机保持良好距离并避免碰撞的任务。已经进行了多项与保持良好距离功能设计相关的研究，这些研究为制定适用于非欧洲国家的技术标准提供了参考。本文提出了一种保持良好距离的实施方案，利用过去的国际项目成果，满足欧洲空域的需求和特殊性，并为遥控飞行员和空中交通管制员所接受，对载人飞机使用的标准操作程序的影响极小。所提出的“保持清晰”软件已通过实时模拟成功验证，其中飞行员和管制员参与了模拟，并考虑到欧洲空域常见的交通相遇和任务场景。所取得的成果凸显了所提出的 RWC 功能提供的适当态势感知，以及其对远程飞行员在解决冲突方面做出适当决策的有效支持。实时模拟测试表明，在几乎所有情况下，RWC 机动都成功执行，为 RP 提供了足够的时间来评估冲突、与管制员协调（如果需要）并执行机动。所提出的 RWC 功能的基本作用在管制员不提供任何分离规定的非管制空域类别中尤为明显。此外，其有效性也在管制空域中与按照目视飞行规则飞行的飞机相遇时得到了测试，管制员没有被告知或对这些飞机的信息较少。验证测试结果表明了两个关键的潜在安全优势，即：减轻执行防撞操作的负担并防止潜在冲突，同时不会扰乱交通流并可能产生其他潜在危险情况的进一步后果。
使用无人驾驶飞行器对桥面脱层进行热检测
摘要：桥梁状况评估通常由桥梁检查员通过目视检查进行。考虑到大量老化桥梁结构的积压，需要开发经济高效且创新的解决方案，以定期评估桥面状况，而不会中断交通。这使得遥感技术成为桥梁检查领域的可行选择。本文探讨了使用无人机 (UAV) 应用红外热成像 (IRT) 检测和量化混凝土桥面地下分层的潜力。无人机携带的热传感系统专注于使用无人机获取热图像并从图像数据中提取信息。使用安装在无人机上的高分辨率热像仪检查了两个在用的混凝土桥面。然后使用定制程序增强并拼接所捕获的图像，以生成整个桥面的马赛克视图，指示检测到的分层区域的大小和几何形状。通过在相同的桥面上进行锤击和半电池电位测试来验证结果。研究结果表明，该技术能够提供与传统手动检查方法相当的测量结果。因此，它可以成为桥梁维护和维修决策的极佳辅助手段。关键词：桥面、状况评估、脱层、红外、热图像、
使用无人驾驶汽车在沿海植被上估算红树林库存
背景和目标：红树林在通过吸收碳储备来缓解气候变化方面起着至关重要的作用。但是，缺乏有关红树林分布及其碳吸收能力的信息。因此，这项研究旨在通过收集有关红树林地区吸收碳库存的能力的数据来弥合这一差距。具体来说，本研究旨在通过现场调查，异形计算和无人驾驶飞机成像来评估Lantebung红树林生态系统的碳吸收潜力。方法：本研究中采用的方法包括沿Lantebung红树林生态系统内的South Sulawesi Makassar City沿海沿海沿海地区的现场调查，异形计算和多光谱的空中图像处理。进行现场调查，以确定每个红树林架的物种组成并测量其直径在乳房高度处。然后使用异态公式计算红树林生物量，然后将红树林生物量转换为碳库存值。空中图像，然后在归一化差异指数和碳库存值之间进行回归分析，以获得碳库存估计模型。的发现：从多光谱无人驾驶飞机上对红绿蓝色空中图像进行分析的结果为Lantebung红树林地区的红树林植被覆盖范围提供了宝贵的见解，显示出14.18公顷。结论：将无人机用作监测碳库存的技术带来了重大好处。归一化差异植被指数结果表明，红树林的物体在0.21-1的值范围内，分为三个密度类别：高密度和低密度红树林。现场调查证实了Lantebung Makassar中存在三种红树林，即Rhizophora apiculata，Rhizophora Mucronata和Avicennia sp。进行的回归分析是为了评估标准化差异指数价值与碳库存之间的关系，产生了方程模型碳库存= 474.61，植被指数值 + 17.238，线性回归值为0.7945。预计低密度类红树林区域的碳库值在17.24至288.64吨之间，每公顷碳的碳含量在126.04至391.14吨之间，每公顷和高密度的碳含量在126.04至391.14吨之间配备了多光谱传感器的无人机可在许多生态系统中收集有关植被和高度的精确和全面数据。调查和随后的分析强调了Lantebung红树林生态系统中红树林密度的广泛差异。这项研究表明，使用无人驾驶汽车提取的归一化差异指数与从实际田间测量获得的红树林碳含量之间存在很强的相关性。
在通信质量下降的环境下对协作无人驾驶车辆进行人为引导管理
可靠通信的可用性对于当前 UAS 的成功至关重要。这种依赖性在未来系统中不太可能减少，因为未来车辆间协作的增加实际上可能会增加对通信的依赖。描述通信可用性对模拟 UAS 性能的影响，可以深入了解 UAS 对实际实施中可能遇到的通信故障模式的响应。此外，定义允许 UAS 以可接受性能运行的最低可容忍通信可用性水平代表了设计通信系统工程规范的基础，以及定义此类系统可有效运行的条件。
无人驾驶汽车导航与多传感器集成的无故障完整性：芝加哥市中心的案例研究
的诚信一直是航空航天安全要求背后的驾驶原则（Davis＆Kelly，1993; Grimes，2007; SC-159，2004）。最近，还针对自动化地面车辆应用采用了完整性（Cosmen-Schortmann等，2008； Zhu等，2018）。完整性风险量化导航系统提供的信息的可靠性；如果风险太高，则携带该系统的车辆可能处于危险之中。无故障完整性风险衡量导航系统输出误差的可能性超过允许的控制范围时，当不存在传感器故障时。评估无故障完整性风险是确定导航系统是否可以满足预期操作的需求的第一步。如果系统无法满足此类需求，那么下一步评估传感器故障的下一步显然是没有意义的。
CPUC自动驾驶汽车（AV）驾驶员和无人驾驶飞行员以及I期部署程序
是。除了拥有DMV的适当AV制造商的测试或部署许可证的要求外，还必须申请TCP许可证以参加CPUC的AV计划。您可能被授权在一个TCP授权下参加一个或多个CPUC AV计划。例如，运营商最初可以申请授权参与驾驶员试点计划的TCP P许可证，并且将来申请进一步授权参加无人驾驶飞行员计划。在这种情况下，第二个申请将仅需要特定于AV的文档，而不是完整的TCP申请，以修改现有的TCP许可证。更多信息在本文档稍后提供。
引入 UAS 流量的统一方法...
关于在飞行计划阶段或飞行过程中消除飞机轨迹冲突的服务，目前尚无关于如何确定飞机优先级的统一意见。虽然消除冲突可能会考虑 CAP 493 空中交通服务手册 7 中描述的 ICAO 优先级，但这并未专门考虑无人机。因此，目前尚不确定有人驾驶与无人驾驶、无人驾驶与无人驾驶的优先级（例如）：有人驾驶救生与无人驾驶救生；无人驾驶载人与无人驾驶载货；等等。对于如何处理这些问题可能存在假设，但尚未正式确定。
Synetos Aerospace 获 AFWERX 青睐，为其开发无人驾驶飞机的 AI 飞行增强系统
关键场景。Synetos 的开创性 MedullOS 飞行增强系统旨在为自主平台带来直观的决策能力，体现了弥合人类推理与人工智能之间差距的承诺。Synetos Aerospace 突破了航空航天技术的极限，旨在通过智能、可靠和适应性强的解决方案彻底改变天空。关于 AFRL 空军研究实验室是美国空军部的主要科学研究和开发中心。AFRL 在领导为我们的空中、太空和网络空间部队发现、开发和集成可负担的作战技术方面发挥着不可或缺的作用。AFRL 拥有 12,500 多名员工，分布在九个技术领域和全球 40 个其他业务部门，提供从基础到高级研究和技术开发的多样化科学和技术组合。有关更多信息，请访问 afresearchlab.com。公司徽标 关于 AFWERX 作为 DAF 的创新部门和空军研究实验室下属的一个理事会，AFWERX 带来了来自小型企业和初创企业的尖端美国智慧，以应对 DAF 最紧迫的挑战。AFWERX 在五个枢纽和站点雇佣了大约 370 名军事、民事和承包商人员，每年执行 14 亿美元的预算。自 2019 年以来，AFWERX 已执行了 6,200 多个新合同，价值超过 47 亿美元，以加强美国国防工业基础并推动技术更快地向作战能力过渡。欲了解更多信息，请访问：www.afwerx.com。公司新闻联系人：Josh Vinyard 创始人 info@synetos.ai
天线目录。第 3 卷。船用天线 (U)
“IFF”或“雷达，信标”不适用，地面控制拦截（GCI）：见“搜索，地面”或“搜索，空中”和“测高”。 指导：一个通用术语，仅在无人驾驶载体上发送信号到无人驾驶载体时使用，该术语指的是指导和调节无人驾驶载体上的设备，