线性时间逻辑(LTL)目标的替代奖励通常用于LTL目标的计划问题。在广泛的替代奖励方法中,使用两个折现因素来确保预期收益近似于LTL目标的满意度。可以通过使用Bellman更新(例如增强学习)来估算预期的回报。但是,尚未明确讨论对贝尔曼方程的唯一性,并没有明确讨论两个折扣因素。我们证明了一个示例,即当将折扣因子之一设置为一个,如许多先前的作品中所允许的时,Bellman方程可能具有多个解决方案,从而导致对预期收益的评估不准确。然后,我们提出了一个条件,使钟手方程将预期的回报作为独特的解决方案,要求在拒绝底部连接的组件(BSCC)内的状态解决方案为0。我们证明这种情况是有足够的,可以证明具有折扣的州的解决方案可以与国家的解决方案分开而无需在这种情况下打折。关键字:马尔可夫链,极限确定性b - uchi automaton,可及性,b - uchi条件
电磁侧通道分析是一种有力的方法,用于监测处理器活动并损害气动环境中的加密系统。随着分析方法和目标设备的发展,对于仅捕获具有高信噪比的所需信号,泄漏定位和探测目标的重要性变得越来越明显。尽管具有重要意义,但仍然非常依赖不可靠的启发式方法和效率低下的详尽搜索。此外,相关研究通常在可行性,实用性和表现方面缺乏,并且仅限于受控的DUT和低端MCU。为了解决以前的处理的局限性和效率低下,我们提出了一种新颖的方法(探针射击),以泄漏定位和探测目标。这种方法利用了对处理器中幅度模拟和间隔扭曲的空间特征的新见解。结果,探针弹药器在各种拟合中提供了实质性改进:1)它不仅适用于简单的MCU,而且适用于复杂的SOC,2)它有效地处理多核系统和动态频率缩放,3)它可用于不受控制的DUTS,可用于可约束的现实攻击,并与以前相比,它可用于约束现实攻击,并与以前的方法相比具有显着效果。为了证明这一点,我们在高端MCU(具有单臂皮质M7核心的NXP I.MX RT1061上)和复杂的SOC(Broadcom BCM2711配备了Raspberry Pi 4型号B,具有四ARM ARM Cortex-A72 Cores)。
摘要 - 在未知的混乱和动态环境(例如灾难场景)中,移动机器人需要执行目标驱动导航才能找到感兴趣的人或对象,其中提供的有关这些目标的唯一信息是单个目标的图像。在本文中,我们介绍了Navformer,这是一种新颖的端到端变压器体系结构,为在未知和动态环境中为机器人目标驱动导航而开发。Navformer利用两者的优势1)变压器进行顺序数据处理和2)自我监督学习(SSL),以进行视觉表示,以推理空间布局并在动态设置中执行避免碰撞。该体系结构唯一地结合了由静态编码器组成的双视觉编码器,用于提取空间推理的不变环境特征,以及用于避免动态障碍物的一般编码器。主要的机器人导航任务分解为两个子任务以进行训练:单个机器人勘探和多机器人碰撞避免。我们执行交叉任务培训,以使学习技能转移到复杂的主要导航任务中。模拟实验表明,Navformer可以在不同的未知环境中有效浏览移动机器人,从而优于现有的最新方法。进行了全面的消融研究,以评估Navformer的主要设计选择的影响。此外,现实世界实验验证了Navformer的普遍性。索引术语 - 动态和未知环境,图像引导搜索,目标驱动机器人导航。
假设安全且有效的疫苗被批准用于严重的急性呼吸综合症冠状病毒-2(SARS-14 COV-2),这是导致冠状病毒19(Covid-19)的感染,这一点至关重要,至关重要的是,至关重要的是,至关重要的初始部署不仅对那些受到最大的感染和疾病的影响,但最大的疾病受到了疾病的影响。目前,没有16种治疗方法可以防止SARS-COV-2感染或有症状的Covid-19疾病。但是,在临床(五个)或临床前(71)研究1,2下,至少有76个潜在的17个候选疫苗候选。18 SARS-COV-2高度可传播(基本繁殖编号,r 0 = 2。68; 95%可靠的间隔:2.47-2.86)4和19众所周知,很难包含。与SARS-COV-1相比,SARS-COV-2的传播部分由无症状20和Presymymantomatic个个体5驱动,前者占所有感染的30%,估计为6。这种“无声21传播”严重使感染控制变得复杂,因为它限制了(i)非药物干预措施(例如案例隔离和接触式追踪)以识别载体并包含感染的传播的能力; (ii)对23疫苗传播的潜在影响仅防止有症状疾病,因为无症状的个体可能会保持高度感染。24共同强调了对破坏传播并有助于达到牛群免疫阈值的疫苗的需求:其中25人口的免疫分数产生有效的繁殖数,r eff <1。给定2个r 0。26在没有预先存在的免疫力的情况下,实现牛群的最低人口水平疫苗接种覆盖率为27免疫(在整个人群的均匀混合和易感性的假设下)为(1-1 / r 0) / e;其中包括28个疫苗效率E,因为即使最有效的疫苗也只提供部分保护,尤其是在老年人中29。68,SARS-COV-2群豁免阈值的估计在60至70%之间,30在30之间,相当于疫苗的疫苗范围约为90%的疫苗覆盖范围,有效70%。然而,最近的31项纳入人口异质性的研究表明,SARS-COV-2群免疫阈值可能低于幼稚的估计值7-10。这是由于年轻人到中年的接触率很高的事实,33结合了高感染性和对感染的敏感性。将这些人从易感池中删除34,因此对传输潜力产生不成比例的影响。这些观察结果对于疫苗接种策略至关重要,35这意味着可以利用社会混合和SARS-COV-2感染的年龄特征,从而提高36个疫苗运动的效率。37在这项研究中,我们使用年龄层次的SARS-COV-2传播模型,该模型结合了年龄依赖性的易感性38和校准了COVID-19患者数据11的疾病严重程度 - 在179个国家 /地区受感染的39个人中的年龄传播率估算了年龄的传播率。然后,我们使用世界卫生组织开发的候选疫苗预计12至40
新一代雷达正面临着越来越危险的目标。这些雷达需要同时执行多项任务,包括监视和跟踪。为此,它们可以配备凝视天线,这样它们就可以克服天线旋转引起的限制。因此,必须升级雷达的跟踪功能,以应对跟踪高机动目标和管理资源以平衡任务间时间的双重问题。在此背景下,本论文研究了跟踪高机动目标的新方法。提出了一种基于固有坐标进行目标跟踪的新目标模型。这种新的目标模型在目标本身的框架中表示,并使用 Frenet-Serret 框架,该框架非常适合描述涉及远大于地球重力的法向加速度的高动态机动。开发了一种使用目标模型的特殊固有公式的滤波算法。这种滤波算法在实现方面与扩展卡尔曼滤波器非常相似,并且是使用真实数据实现的。与标准目标模型和过滤算法的比较表明,在大量轨迹上,该方法比简单模型和算法有所改进。还开发了一种新的估计方法,该方法依赖于平滑方法的最小二乘公式,并考虑了轨迹中的运动跳跃。该方法还显示出改进
摘要:本文研究了石墨烯和抗固定锌二硫代磷酸酯(ZDDP)的摩擦学作用。摩擦测试已在摩擦学测试仪上进行,该测试仪在摩擦,滑动运动中作为球和圆盘组件作战。测试在1000 m的滑动距离内用10 N负载进行。测试中使用了Tialn涂层的HS6-5-2C钢盘和100CR6钢球。测试是在润滑条件下用石墨烯和/或ZDDP的聚(α)烯烃油PAO 8进行的。使用扫描电子显微镜研究了TiALN涂层的化学成分,并观察到圆盘和球上的磨损标记。使用具有干涉模式的共聚焦显微镜在摩擦测试之前和之后分析样品的几何结构。结果表明,将ZDDP和石墨烯添加到聚(α)烯烃油中对降低摩擦系数有影响。
商用飞机的驾驶舱非常复杂,在正确的时间搜索必要的信息有时是一项挑战。本研究通过眼动追踪技术研究了飞行员与两种不同设计的机组警报系统交互时的视觉参数。共有 24 名航空专业人士参与了本次实验,包括商用飞行员、私人飞行员和航空电子工程师。与传统设计相比,新的集成设计应用了邻近兼容性原则来帮助飞行员搜索必要的信息以应对紧急情况。结果表明,集成设计在提供由视觉行为决定的准确指令方面优于传统设计。但是,集成设计通过将注意力从当前任务转移到最关键的任务来提高飞行员的态势感知能力,但总注视持续时间更长。飞行员的视觉参数在与 PFD(主要为数字)、ND(主要为符号)和 EICAS(显示文本信息)交互时表现出显著差异。因此,驾驶舱设计必须采用整体方法,因为飞行员的视觉注意力在各种不同类型的显示器之间转移以获得态势感知,而不是只关注一个显示器。集成 EICAS 的设计可以提供详细的指示来处理紧急情况,这会引起更高的认知负荷,因为飞行员的瞳孔扩张比与传统设计交互时要大得多。通过眼动追踪技术,可以设计以人为本的驾驶舱,以提高航空安全性和人机性能。
Robert Pollin 和 Hanae Bouazza 摘要:本文探讨了与通胀控制、通胀目标和整体宏观经济表现有关的两个基本问题。第一个问题是:在研究中,将通胀目标,特别是 2% 至 3% 的低通胀率目标,作为宏观经济政策的组织原则和总体目标的理由是什么?第二个问题是:当宏观政策在如此低的通胀目标框架内运作时,我们是否真的观察到了更强劲的宏观经济表现(以 GDP 增长的标准衡量)?我们对这些问题的回答很简单。首先,没有严肃的研究为将 2% 至 3% 的通胀目标作为宏观经济政策的核心目标提供明确的理由。此外,没有证据表明,当通胀率保持在 3% 以下时,任何发展水平的经济体都会持续实现更强劲的经济增长结果,而通胀率较高时,通胀率肯定在 4% 至 5% 的范围内,在某些情况下,通胀率甚至会更高。这些发现意义重大,因为它们为考虑除紧缩性货币政策之外的一系列措施作为可行的通胀控制工具提供了空间。这些其他措施可能不像紧缩性货币政策那样有效地将通胀率降至 2-3% 的目标范围。但我们的研究结果表明,通常没有必要将通胀率压低到如此低的水平,尤其是考虑到紧缩性货币政策主要通过提高大规模失业率和削弱工人的议价能力来成功控制通胀。JEL 代码:E61,P11
soergel bjon 1,∗,塞巴斯蒂安·劳纳(Sebastian Rauner)1,马萨诸塞州2,3 ,Geanderson Ambrose 3,Ana Paula Dutra 8,9 MS,Jan Philipp Dietrich 1,Alouis Dirnaichner 1 Johanna Hoppen 1,FlorianHumpenöder ,约翰内斯·科赫(Johannes Koch)1,古纳尔·沃尔夫(Gunnar Wolf)1,11,lotze-campen英雄1,12, ,莎拉·康奈尔(Sarah Cornell)8,施密特15,施密特15福克15,
