XiaoMi-AI文件搜索系统
World File Search System漫游者
澳大利亚漫游者挑战2025：规则和要求
2024年8月8日1请仔细阅读整个文档。触点已被简化以简化响应并确保一致性。进入条件已添加到关键设计审查和系统接受审查和分布式现场测试中。报告缺少确定的元素的报告将被拒绝，团队能够在48小时内重新提交它们。这旨在确保所有团队都遵循结构化的工程过程，例如所有与空间相关的项目所需的过程。与2024年相比，修改了几项裁决，任务活动和点分配。这些包括其他详细信息或修订；规则10.5.3.3和等式等式。（3.0），规则9.9和规则9.10，规则11.6。现有规则已经大修，已经引入了有关多个机器人平台，野外桥梁和无线电通信的一些新规则，其中包括：规则3.1.2，规则8.4.2，规则3.10.1，规则3.10和8.6.3.3。请仔细阅读未来规则的预期更改，以准备Arch2026和访问NASA肯尼迪航天中心的途径，请参阅规则3.15。在先前挑战中做出的规则或决定（即2024年）并不是未来挑战的优先事项（即2025年）。
剧团系统：自主多代理漫游者群∗
太空探索的未来将利用多代理系统的力量。它是低地球轨道中的卫星星座，还是一群零重力构造无人机，自主的多机构系统为执行大规模太空任务提供了下一步。漫游者群体尤其可以开始着重于月球表面探索的任务。群有可能产生高科学实用程序的回报。但是，尚未完全解决的许多设计和实施问题。该团项目旨在以流浪者群的形式探索多代理系统的设计和开发。该团漫游将作为一个案例研究，用于实施用于安全风险管理，需求形式化，运行时验证框架和其他相关验证工具集的研究工具。NASA AMES的强大软件工程（RSE）组有两个主要目标：（1）研究和开发用于改善安全 - 关键软件的验证和验证（V＆V）的工具，以及（2）设计和设计和部署用于小型SAT太空飞行任务的飞行软件。理想情况下，这两个目标将相互补充。研究团队为任务开发人员开发工具，以提高软件质量，而任务开发人员在用例和所需功能上向研究团队提供直接反馈。实际上，设想的合作有局限性。飞行任务的日程限制通常不允许使用积极开发的工具进行原型制定和培训。安全限制（例如ITAR数据）阻止了混凝土用例的共享。为了克服这些障碍，RSE集团已经实施了一个名为Troupe的孵化器计划，该计划由四个自主流浪者组成，它们协调以绘制未知地形。最终的可交付方式将是绘制位于NASA AMES的漫游车场测试地面的漫游者的设计，开发和演示。演示任务允许开发太空飞行软件，同时集成了高级V＆V工具，包括正式的模型检查器，数学声音静态分析仪和运行时安全性监控。虽然Troupe遵循NASA对软件开发的严格要求，但任务本身与工具开发人员和研究社区共享数据没有局限性。以这种方式，团队可以学习正在积极开发的新工具，并直接向研究工具开发人员提供反馈。
基于扩展现实和人工智能的沉浸式漫游者控制和障碍物检测
1近几十年来，由于技术和科学的进步以及人类扩展到外太空的目标，对月球的太空任务变得无关紧要。随着太空机构和私人秘书的兴趣日益增长，需要使用流浪者来探索更多敌对和未开发的环境，例如位于月球远侧或南极的环境。然而，在这种不利地形中运营的挑战显着，尤其是在识别可能对任务构成风险的资源和障碍（如岩石或地层）时。一个小错误，例如与未发现的岩石发生碰撞，不仅会损害流动站的完整性，而且会损害整个任务。传统上，流动站的监视和远程操作是基于对地形的2D图像的解释以及各种流动站参数和环境数据的可视化[6]。但是，根据场景，该系统可能无法提供足够的细节或直觉来防止事故或准确识别感兴趣的对象。在这种情况下，建议为流浪者配备先进的技术，以确保未来的任务中的安全性和成功，旨在监视和控制距离更近距离的流浪者，例如，在月球网关或月球基地[1,3]，延迟将比地球较低。
使用漫游者的主动悬架系统作为2轴太阳能跟踪器
在犹他州（2016）和摩洛哥（2018）成功完成了两个为期4周的野外部署后，Sherpatt Rover正在为在类似于火星环境的地形上进行进一步的自动长途横路。但是，它具有燃料的发电机，该发电机无法在超地面场景中使用。漫游者旨在提高更高的技术准备水平，因此提出了光电功率子系统来指导未来的设计迭代。本文介绍了两个火星任务地点考虑的太阳阵列尺寸，设计和集成过程：在2°S处的IANI混乱和34°N的Ismenius Cavus。提出了一个用于主动悬架系统的替代用例，以便所提出的太阳阵列可以倾向于和将其定向到比用被动悬架漫游者获得的功率生成配置中更有利的。在拟议的情况下，在IANI混乱和伊斯梅尼乌斯洞穴中，有效的太阳能电池取向分别导致越来越明显的遍历高达34％和25％。
ClearPath Robotics可以帮助Uoft研究人员原型尖端火星漫游者软件。
自从购买Husky A200进行研究以来，Barfoot博士能够对各种模拟的行星地形进行各种算法测试。他们不必担心沙哑不会按照预期的方式执行，因为沙哑的地形很难导航，或者他们将不得不浪费宝贵的时间和资源来维修机器人。“我对沙哑的人非常满意。这是一个很棒的小机器人，” Barfoot说。“ ClearPath Robotics是一家充满积极进取的人的公司，他们有兴趣使自己的机器人成为最好的，这极大地使我们受益。”
设计自动火星漫游者在动态地形中导航的自适应速度避免系统
文章历史：在过去的十年中，已经开发了各种基于速度障碍的方法，以避免动态环境中的碰撞。但是，这些方法通常仅限于处理几个障碍，连续的相遇或缺乏安全地形的安全保证。本文提出了使用速度障碍法的自适应碰撞避免策略，旨在使自主火星流浪者能够安全地驾驶动态和不确定的地形，同时避免多个障碍。该策略构建了自适应速度锥体，考虑了动态障碍和地形特征，从而确保了连续的安全性，同时将漫游者引导到其航路点。我们在模拟的MARS探索方案中实施了策略，代表了具有挑战性的多OSTACLAS任务。模拟结果表明，我们的方法通过增加安全距离来增强性能，使其非常适合自主行星探索，在这种情况下，避免碰撞对于任务成功至关重要。
mproviot-多用物IoT Rover Robot
摘要：机器人由于其灵活性和多样性，可用于各个领域。这项研究重点是设计和开发用于研究，探索和教育目的的多功能漫游者机器人。该研究的主要目的是设计具有遥控器，物联网技术的Rover Robot平台。已经创建了各种方案来测试机器人的不同功能，并且已经观察到其性能。已经使用定性和定量方法对收集的数据进行了分析。可以通过RC和IoT控件成功控制开发的Rover机器人。此外，已经为机器人的IoT方面开发了Web服务器，并且机器人的ARM和头部摄像头图像都是随着物联网传输的。机器人的模块化设计可确保适合各种任务，并使其适合教育目的。这项研究的结果表明，多功能漫游者机器人在各种应用中的潜力及其作为教育工具的有效性。
Lunar Rover与人为潜在的基于现场的启发式的启发式启发式
摘要：将于2030年左右建立的国际月球研究站，将为月球漫游器提供机器人武器作为建筑商。建筑需要月球土壤和月球漫游者，为此，由于短暂的一天，尤其是在南极附近，漫游者必须在有限的时间内遇到不同的航路点，而不会在有限的时间内遇到障碍。传统的计划方法，例如从地面上载指令，几乎无法以高效的效率同时处理许多流浪者。因此，我们提出了一种基于深度强化学习的新的协作路径规划方法，在该方法中，人工电位领域的目标和障碍都证明了启发式方法。的环境是随机生成的，在创建大小障碍和不同的航路点以收集资源，训练深厚的增强学习代理以提出行动，并带领流浪者在没有障碍，完成漫游者的任务并达到不同目标的情况下移动。在每个步骤中，由障碍物和其他流浪者创造的人工潜力领域都会影响流动站的动作选择。人工潜力领域的信息将转变为有助于保持距离和安全性的深度加强学习中的奖励。实验表明，我们的方法可以引导流浪者更安全地移动，而不会变成附近的大障碍或与其他流浪者发生碰撞，并且与具有改进的避免障碍物方法的多代理A-Star路径计划算法相比，消耗的能量更少。