XiaoMi-AI文件搜索系统
World File Search System相对运动
形成范围的飞行轨道和控制概念
虚拟超级光学元件可重新选择群（遮阳板）任务是一个分布式的示波器，由两个6U立方体组成，分别由40米隔开，可在极端紫外线中获得活跃太阳能区域的高分辨率图像。此任务具有挑战性，因为立方体必须在近距离接近时以前所未有的能力自主控制其相对运动。本文提出了三项贡献，使遮阳板使命能够满足其具有挑战性的要求。首先使用相对偏心/倾斜矢量分离开发了提供常规对齐期与惯性目标的分布式望远镜的被动绝对和相对轨道设计。第二，提出了指导，导航和控制系统设计，以满足苛刻的相对运动控制要求。第三，提出了一个操作概念，该概念在编队没有积极执行观察值时最小化任务操作负载。此操作概念包括解决轨道异常的安全计划。通过蒙特卡洛模拟验证了指导，导航和控制系统的性能，包括所有明显的错误源和操作约束。这些模拟表明，达到了任务要求，提供了对Cubesats准确自主形成控制的可行性的初步证明。
机械材料航空航天工程
模块 5：虚功和能量法- 虚位移、质点虚功原理和理想刚体系统、自由度。主动力图、有摩擦系统、机械效率。保守力和势能（弹性和重力）、平衡能量方程。能量法在平衡中的应用。平衡稳定性。模块 6：粒子动力学- 粒子运动学：直线运动、平面曲线运动 - 直角坐标、法向和切向坐标、极坐标、空间曲线 - 圆柱、球面（坐标）、相对运动和约束运动。粒子动力学：力、质量和加速度 - 直线和曲线运动、功和能量、冲量和动量 - 线性和角向；冲击 - 直接和斜向。粒子系统动力学：广义牛顿第二定律、功、冲量、能量和动量守恒定律 模块 7：刚体动力学简介 平面刚体运动学：刚体绕固定轴旋转的方程、一般平面运动、平面运动中的瞬时旋转中心、粒子相对于旋转框架的平面运动。科里奥利加速度平面刚体动力学：刚体运动方程、平面运动中刚体的角动量、刚体的平面运动和达朗贝尔原理、刚体系统、受限平面运动；作用于刚体上的力的能量和功、平面运动中刚体的动能、刚体系统、能量守恒、刚体的平面运动 - 冲量和动量、刚体系统、角动量守恒。
Urban-Air质量估计 - 使用Visual-Cues-and-A- ...
摘要：移动监控提供了对空气污染的强大测量。但是，资源限制通常会限制测量数量，因此无法在所有感兴趣的位置获得评估。在响应中，已经提出了替代测量方法，例如视频和图像。先前对空气污染和图像的研究使用了静态图像（例如卫星图像或Google Street View图像）。当前的研究旨在开发深度学习方法，以从用仪表板摄像机获得的视频中推断出在道路上污染物的浓度。分析了印度班加罗尔的四种污染物（黑碳，颗粒数浓度，2.5质量浓度，二氧化碳）的五十小时。对每个视频框架的分析涉及识别对象并确定运动（通过分割和光流）。基于这些视觉提示，使用回归卷积神经网络（CNN）推断污染浓度。研究结果表明，CNN方法的表现优于其他几种机器学习（ML）技术和更多常规分析（例如，线性回归）。CO 2预测模型实现了不同的火车验证分区方法的归一化根平方误差为10-13.7％。因此，此处的结果通过使用视频和屏幕上的对象而不是静态图像的相对运动以及实施快速分析方法，从而实时对视频进行分析，从而有助于文献。关键字：与交通相关的空气污染，深度学习，计算机视觉，移动监控这些方法可以应用于其他移动监控活动，因为他们唯一需要的其他设备是便宜的仪表板摄像头。
评估用于空间机器人操作的基于图像的视觉致毒技术
机器人臂对于多种外星应用至关重要。平面流动器（图1）使用机器人臂收集科学数据并处理样品。类似地，轨道机器人臂半自治地在国际空间站（ISS）进行泊位，检查和组装的操作（图2）。空间中的大多数现有操作系统都需要由宇航员或地面控制器进行远程处理，由于通信延迟以及对高技能运营商的需求，这可能是具有挑战性的。此外，快速增长的空间工业化工作需要自动操纵系统，以适应人类干预最少的动态场景[1]。开发用于空间机器人操纵器的Visuomotor技能可以显着增强自动操作。这些技能使机器人能够识别和跟踪对象，并在执行操纵任务时浏览复杂和动态的环境，增强灵活性和鲁棒性。机器人可以通过使用视觉伺服（VS）策略来获取视觉运动技能，以根据视觉观察来控制机器人的相对运动。由此产生的精度提高将使关键的内部维修任务，例如加油，重新定位，组件更换或修复失败的卫星。这项工作介绍了四种IBVS技术的比较，这些技术可用于增强自主空间机器人操作。我们评估了复杂的旋转转换场景中的不同深度估计方法，传感器方式，特征和控制定律。此外，我们通过组装方案评估ISAM功能。
振荡电场对单分子离子偶极矩测量的影响
目前，人们致力于实现分子的精密光谱和量子态控制。与原子相比，分子的种类要多得多，它们具有更丰富的结构，可以提供完全不同的功能，并更适合某些任务，例如，对各种基础物理测试的灵敏度更高[1-4]。高内部状态相干性和跨频率量子信息转换的潜力也使分子在量子信息处理方面具有吸引力[5-9]。尽管近年来取得了令人瞩目的进展，但分子的量子态制备、检测和控制仍然比原子更困难[10-14]。量子逻辑光谱（QLS）[15]在研究带电粒子，特别是分子离子方面显示出巨大的前景和多功能性。它依靠原子“逻辑”离子种类对联合平移运动进行协同冷却和状态读出，并能够实现难以控制的带电粒子（“光谱”离子）的量子态制备、操纵和光谱分析[16-18]。在我们的实验中，所有针对分子离子的激光器都会驱动远失谐的受激双光子拉曼跃迁，而这些跃迁不依赖于分子的特定能级结构。这一点，加上对平移自由度的协同冷却和量子逻辑读出也可以在对分子结构细节要求不高的情况下进行，使得 QLS 可用于多种离子种类。为了探索分子的新应用，以高分辨率测量跃迁频率和其他特性，并解释在这种前所未有的精度水平下变得相关的微小系统效应也至关重要。特别是，自旋和原子核的相对运动增加了
16O+92Zr反应的准弹性散射截面
如今，围绕库仑势垒对聚变反应和准弹性散射的研究引起了广泛关注。通过这类重离子碰撞可以研究核-核相互作用势和核结构性质 [ 1 ]。碰撞伙伴的核结构性质可显著影响亚势垒域中的聚变产额。聚变对中不同内在自由度的参与降低了参与者之间的聚变势垒，并导致与一维势垒穿透模型 (BPM) 的预测相比大得多的聚变结果。文献中已充分证实，聚变伙伴的相对运动和内在通道之间的耦合会导致单个聚变势垒分裂为不同高度和重量的势垒分布。这被称为聚变势垒分布，聚变势垒分布的形状对聚变过程中涉及的耦合类型非常敏感。聚变势垒分布的概念由 Rowley 等人 [2] 提出，可通过对 𝐸 𝑐.𝑚. 𝜎 𝑓 对质心能量取二阶导数获得。此外，大角度准弹性散射函数可以产生与聚变势垒分布非常相似的势垒分布，并且聚变势垒分布和准弹性势垒分布的形状基本相同。准弹性势垒分布可通过对 𝐸 𝑐.𝑚. 的准弹性散射截面取一阶导数获得。众所周知，聚变过程可以用穿透概率来解释，基于量子力学隧穿，而准弹性散射与反射概率有关。重离子准
基于甲基TROSY的1H弛豫分散实验用于研究高分子量蛋白质的构象交换
摘要：分子复合物通常会对构象状态进行取样，从而引导它们发挥特定功能。这些状态可能难以通过传统的生物物理方法观察到，但可以使用各种不同的 NMR 自旋弛豫实验进行研究。然而，当这些应用集中在中高分子量蛋白质上时，快速弛豫信号会使其变得复杂，从而对光谱的灵敏度和分辨率产生负面影响。本文介绍了一种基于甲基 1 H CPMG 的实验，用于研究蛋白质机器的激发构象状态，该实验利用 TROSY 效应来增加信噪比。解决甲基 1 H 跃迁的多样性带来的复杂性，以生成一个强大的脉冲方案，该方案适用于 320 kDa 稳态蛋白 p97。人们越来越认识到，生物分子的运动特性对于功能至关重要，因此有必要关注动力学，以了解这些分子如何在健康和疾病中执行其许多不同的任务。 [1] 细胞的分子机器尤其如此，它们由不同的组件组成，这些组件的相对运动是经过精心设计的，可以进行正常的活动。原则上，溶液核磁共振波谱是研究这些动力学的有效方法，[2] 即使在总分子量接近 1 MDa 的系统中也是如此，只要能够在整个蛋白质复合物中用 13 CH 3 标记关键含甲基氨基酸获得高度氘化的粒子。[3] 在这种情况下，可以利用丰富的甲基内偶极相互作用网络 [4] 通过甲基-TROSY 效应生成高质量的 1 H– 13 C HMQC 数据集，其中 50% 的信号来自磁化转移途径，从而最大限度地减少弛豫损失。[3a] 定量运动的实验
GPS-IMU传感器融合用于可靠的自动驾驶位置估计
摘要 - 全球覆盖范围和全球覆盖范围的准确定位，使其成为具有无障碍天空视图的开放区域的可靠选择。但是，在室内空间和城市峡谷中可能发生信号降解。相比之下，惯性测量单元（IMU）由陀螺仪和加速度计组成，这些计量机提供了相对运动信息，例如加速度和旋转变化。与GPS不同，IMU不依赖外部信号，使其在受GPS有限的环境中有用。尽管如此，由于误差的积累，IMU在整合加速度以确定速度和位置的同时会流动。因此，融合GPS和IMU对于增强自动驾驶汽车中导航系统的可靠性和精度至关重要，尤其是在GPS信号受到损害的环境中。为了确保平稳导航并克服每个传感器的局限性，提出的方法将融合GPS和IMU数据。此传感器融合使用无知的卡尔曼过滤器（UKF）贝叶斯过滤技术。拟议的导航系统旨在坚固，为自动驾驶汽车的安全操作（尤其是在GPS被拒绝的环境中的安全操作）至关重要的连续和准确的定位。该项目使用Kitti GNSS和IMU数据集进行实验验证，表明GNSS-IMU融合技术可减少仅GNSS的RMSE。RMSE分别从13.214、13.284和13.363降至4.271、5.275和0.224，分别为X轴，Y轴和Z轴。使用UKF的实验结果显示了使用GPS和IMU传感器融合改善自动驾驶汽车导航的有希望的方向，并使用GPS有限环境中的两个传感器中的最佳融合。索引术语 - 自主车位，全球定位系统，惯性测量单元，传感器融合，无知的卡尔曼滤波器
听快节奏的音乐可以延缓神经肌肉疲劳的发生
摘要 Centala, J、Pogorel, C、Pummill, SW 和 Malek, MH。听快节奏音乐会延缓神经肌肉疲劳的发生。J Strength Cond Res 34(3): 617–622, 2020—关于音乐对身体表现影响的研究主要集中在跑步至力竭的时间、血乳酸或最大摄氧量等结果上。肌电图疲劳阈值 (EMG FT ) 通过单次增量测试确定，操作上定义为在工作肌肉的 EMG 活动不增加的情况下可以无限期维持的最高运动强度。到目前为止，还没有研究检查过快节奏音乐对 EMG FT 的作用。因此，本研究的目的是确定快节奏音乐是否能减轻以 EMG FT 衡量的神经肌肉疲劳。我们假设，与对照条件相比，在运动期间听快节奏音乐会增加估计的 EMG FT。其次，我们假设在锻炼期间听快节奏音乐也会增加最大功率输出。十名健康的大学年龄男性（平均±SEM：年龄 25.3±0.8 岁[范围从 22 至 31 岁]；体重 78.3±1.8 公斤；身高：1.77±0.02 米）两次访问实验室，间隔 7 天。每次访问时，EMG FT 由增量式单腿膝伸肌测力计确定。以随机顺序，受试者在两次访问中要么听音乐，要么不听音乐。所有音乐都以器乐形式呈现，节奏随机分布在 137 至 160 b·min 2 1 之间。结果表明，运动时听快节奏音乐可增加最大功率输出（无音乐：48 6 4；音乐：54 6 3 W；p = 0.02）和 EMG FT（无音乐：27 6 3；音乐：34 6 4 W；p = 0.008）。然而，两种条件（无音乐与有音乐）之间的绝对和相对运动末期心率以及运动末期运动腿自觉用力程度评分没有显著的平均差异。这些研究结果表明，听快节奏音乐可提高整体运动耐受力以及神经肌肉疲劳阈值。这些结果适用于运动和康复环境。
胎儿脑部 MRI 的回顾性运动估计
自 20 世纪 80 年代以来，磁共振成像 (MRI) 就已用于研究发育中的胎儿大脑。然而，运动 (母亲和胎儿的) 一直是一个真正的挑战，限制了所获取图像的探索能力。在产前成像中，大脑的完整图像实际上是一堆 2D 切片。这些采集通常沿空间的三个轴进行，以便为放射科医生提供大脑的 3D“视觉”。切片的采集时间通常足够短 (少于 1 秒) 以“冻结”运动。因此，受试者的运动主要会引起几何失真伪影，即 2D 切片的堆叠不能直接反映大脑的 3D 几何形状。因此，有必要回顾性地估计运动以重建胎儿大脑的 3D 图像 [1]。胎儿数据重建的主要方法称为“切片到体积配准”的 SVR，该方法基于两个步骤：估计相对运动，然后融合数据 [2–4]。在产前成像的情况下，配准问题属于 2D-3D 类型，即我们必须估计切片和参考体积之间的运动。此参考体积也是我们想要重建的图像，因此是未知的。从对参考体积的首次估计，通过最小化当前切片和参考体积之间的对齐标准来估计每个切片的对齐。然后根据为每个切片估计的变换集重新计算后者。重建体积的质量在很大程度上取决于切片配准的质量。该过程以迭代方式重复，直到算法收敛。为了使这些方法对受试者的运动更具鲁棒性，已经开发了深度学习方法 [5,6]。然而，基于迭代重建的方法对于分析临床常规获取的大型图像数据库仍然不够稳健。因此，有必要检测出未对准的切片，以便不将它们包括在重建步骤中[7,8]或减少它们对重建的影响[9]。为了解决这个问题，一种解决方案是通过使用正交切片的交点并将它们的对应关系强加到 3D 交点 [10]，将切片的运动校正与重建步骤完全分开。这种方法可以独立解决切片运动校正和 3D 体积重建的问题。在本文中，我们开发了一种使用机器学习方法来估计与未对准切片检测相关的切片运动的方法。所提出的方法称为 ROSI，即“基于正交切片交点的配准”。对合成和真实数据进行的评估表明，与 SVR 方法相比，所提出的方法更有吸引力。