XiaoMi-AI文件搜索系统
World File Search System环境感知
基于柔性传感的软体机器人交互研究进展
摘要：本文旨在总结基于灵活感测的软机器人相互作用研究的进展。首先，引入了软机器人实际应用中的最新进步，例如灵活的抓握，生物医学和环境探索。其次，提出了软机器人的运动学和动态建模方法。随后，分析了适用于软机器人的灵活感测技术，特别是针对讨论的讨论表现出圆润的多模式传感技术。然后，阐明了关于软机器人中传感和智能相互作用的当前研究状态，这表明了灵活的传感器用于固有和环境感知以及多峰传感的利用。重点是基于灵活传感器的软机器人的智能相互作用系统的分析。最后，讨论和预期基于灵活感测的软机器人相互作用研究中的潜在挑战和前瞻性方向。关键字：软机器人；灵活的传感；智能交互系统
通过对抗测试集生成
正确对道路物体的环境感知对于自动驾驶的安全至关重要。通过自动驾驶算法做出适当的决定可能会受到数据扰动的阻碍，而最近，对抗性攻击。我们提出了一种基于不确定性的对抗性测试输入生成方法，以使机器学习（ML）模型对数据扰动和对抗性攻击更为强大。对抗性攻击和不确定的投入可能会影响ML模型的性能，这可能会产生严重的后果，例如通过自动驾驶汽车在道路上对物体的错误分类，从而导致决策不正确。我们表明，我们可以通过制作一个包含高度不确定的对抗测试输入的数据集来获得更强大的ML模型，以用于自动驾驶。我们证明了鲁棒模型的准确性提高了12％以上，并且模型返回的决策的不确定性显着下降。我们认为我们的方法将有助于进一步开发风险感知的自主系统。©2022 ISA。由Elsevier Ltd.发布的所有权利保留。
AIRIS：人工智能增强信号处理...
摘要 —可重构智能表面（RIS）是一种新兴的超表面，可通过反射信号提供额外的通信链路，并被认为是 6G 移动通信系统的有力候选者。同时，最近人们承认，将人工智能（AI）应用于 RIS 通信将大大有利于重构能力并增强对复杂传输环境的鲁棒性。除了传统的模型驱动方法外，AI 还可以通过挖掘真实数据的固有特性以数据驱动的方式处理现有的信号处理问题。因此，AI 特别适合在模型不匹配、资源不足、硬件受损以及动态传输等不理想情况下的 RIS 网络上的信号处理问题。作为最早的调查论文之一，我们将介绍 AI 和 RIS 的融合，称为 AIRIS，涉及各种信号处理主题，包括环境感知、信道采集、波束成形设计和资源调度等。我们还将讨论 AIRIS 面临的挑战并提出一些有趣的未来方向。
LIDAR和基于超声传感器的智能障碍物检测系统
近年来，LIDAR（光检测和范围）技术与自动驾驶电动汽车（AEV）的整合引起了极大的关注，这标志着朝着实现更安全，更有效的运输系统的关键步骤。LIDAR传感器具有提供精确和实时三维环境感知的无与伦比的能力，具有增强AEV的自主性和可靠性的巨大承诺。然而，在该领域迅速发展的研究中，确保居住者和行人的安全仍然是一个关键的关注，需要一丝不苟的关注。现有文献广泛地讨论了与AEVS中的LiDAR集成相关的技术方面和性能指标，但在解决有效缓解潜在风险所需的细微差别安全含义和主动措施方面存在显着差距。本文旨在通过提出一个综合框架来弥合这一差距，该框架优先考虑LIDAR技术将其整合到AEV中。
基于车辆基础设施合作系统的不利天气的感知方法：评论
摘要：环境感知在自主驾驶技术中起着至关重要的作用。但是，诸如不利天气条件和传感设备的局限性等各种因素有助于低感知的准确性和有限的视野。因此，智能连接的车辆（ICV）目前只能在特定方案中实现自动驾驶。本文对当前有关图像或点云处理和合作感知的研究进行了分析，并总结了三个关键方面：数据预处理方法，多传感器数据融合方法以及车辆 - 基础结构合作感知方法。数据预处理方法总结了雪，雨和雾中点云数据和图像数据的处理。多传感器数据融合方法分析图像融合，点云融合和图像点云融合的研究。由于通信渠道资源有限，因此车辆 - 基础结构合作感知方法讨论了合作感知信息的融合和共享策略，以扩大ICV的感知范围，并实现感知信息的最佳分布。最后，根据现有研究的分析，本文提出了未来的研究方向，以在不利天气条件下进行合作感。
hexagonal Boron中的供体对手对量子发射器...
摘要 - 具有驾驶自动化的车辆正在为全球部署而开发。但是，这种自动化或自动驾驶汽车（AV）的车载感应和感知能力可能不足以确保在所有情况和环境下的安全性。使用路边基础设施传感器的基础设施启动环境感知可以被视为有效的解决方案，至少对于所选的感兴趣的地区，例如城市道路交叉路口或弯曲的道路，将其呈现给AV。但是，它们为采购，安装和维护而产生了明显的费用。因此，这些传感器必须在战略上和最佳的位置放置，以根据道路使用者的整体安全性产生最大的好处。在本文中，我们提出了一种新的方法，以获得最佳的V2X（车辆到全部）基础设施传感器的最佳位置，该传感器对城市AV部署特别有吸引力，并具有各种考虑，包括成本，承保范围，覆盖范围和冗余。我们结合了射线播放和线性优化文献中最新的进步，以为城市的规划师，Traf-trif C Analysis和AV部署运营商提供工具。通过在代表性环境中的实验评估，我们证明了方法的好处和实用性。
People2People 和 Things2People 交互过程中的 BIM
摘要：在本研究中，我们利用 LoRa 传输技术提出了一种针对环境变量的物联网解决方案，以在 Things2People 过程中向用户提供实时信息，并通过促进 People2People 过程中的行为变化来实现节约。这些数据被存储起来，随后进行处理以识别模式并与可视化工具集成，这使我们能够在使用系统时开发环境感知。在这个项目中，我们基于 3D 可视化工具的开发实施了一种不同的方法，该工具在建筑物的交互式 3D 模型中呈现系统收集的数据、警告和其他用户的感知。这种数据表示引入了一种新的 People2People 交互方法，通过将传感器数据与用户的个人和集体感知相结合，在公共建筑等共享空间中实现节约。这种方法在 ISCTE-IUL 大学校园得到了验证，这种 3D 物联网数据表示在移动设备中呈现，并由此影响用户行为以实现校园可持续发展目标。
IEEE 论文 Word 模板（美国信函页面大小）（V3）
摘要 — 提出了将认知毫米波双光束 (DB) MIMO 相控阵系统与光学传感解决方案相结合的方法，旨在实现环境感知和无处不在的交互的新功能。由此产生的范例利用毫米波和光学传感解决方案的融合，使新兴技术能够促进人类与随机变化环境中的智能设备和系统的交互。通过基于混合认知毫米波 RFIC 技术和光学系统的无处不在的交互，描绘了具有高级驾驶辅助系统 (ADAS)（包括手势识别 (GR)）的自动驾驶汽车的前景。构建了几种毫米波相控阵的硬件实现，并将其与光学系统共同组装，以实现智能数据融合和实时信号处理，从而实现自主安全的决策过程。提出了一种统一的建模和测量平台，采用多物理（电磁热机械）数值协同仿真克隆（NCSC）的概念，作为功能硬件的对应部分，实现增强现实的 4D（时空演化）。
粒子滤清器大满贯用于车辆定位
* liu，tianrui是电子邮件，电子邮件：tianrui.liu.ml@gmail.com摘要：同时本地化和映射（SLAM）在机器人技术中提出了强大的挑战，涉及地图的动态构造，同时确定了居住环境中机器人的精确位置。这项复杂的任务进一步加剧了固有的“鸡肉和蛋”的困境，其中准确的映射依赖于对机器人位置的可靠估计，反之亦然。SLAM的计算强度增加了一层复杂性，使其成为现场至关重要但苛刻的话题。在我们的研究中，我们通过采用粒子滤光片大量方法来应对SLAM的挑战。我们的方法利用了编码的数据和光纤陀螺仪（FOG）信息，以实现对车辆运动的精确估计，而激光雷达技术通过提供对周围障碍的详细见解来有助于环境感知。这些数据流的集成最终在建立粒子滤清器猛击框架中，代表本文中的键工作，以有效地导航和克服与机器人系统中同时定位和映射相关的复杂性。
使用大语言模型进行体现导航的进步：调查
近年来，大型语言模型（LLM）的快速发展，例如生成的预训练的跨前者（GPT），由于它们在各种实际应用中的潜力而引起了人们的关注。LLM与体现智能的应用已成为重点的重要领域。在LLM的无数应用中，导航任务特别值得注意，因为它们要求对环境和快速，准确的决策有深刻的了解。llms可以增强具有复杂的环境感知和决策支持的体现的智能系统，利用其强大的语言和图像处理能力。本文提供了详尽的摘要，内容涉及LLMS与体现智能之间的共生，重点是导航。它回顾了最先进的模型，研究方法，并评估了现有体现导航模型和数据集的优势和缺点。最后，本文阐明了基于当前研究的LLM在具体智能中的作用，并预测了该领域的未来方向。本调查中的全面研究列表可在https://github.com/rongtao-xu/awsome-llm-en上找到。