XiaoMi-AI文件搜索系统
World File Search System自主
下一代空气和空间的自主能力...
[草稿] Joseph B. Lyons，Kerianne Hobbs，Steve“ Cap” Rogers，Scott H. Clouse，“负责（使用）AI的负责人”，了解人类在社会技术生态系统中负责任地部署人类在智能技术中的作用[在草案中] Kerianne Hobbs，Bernard Li，“航空航天控制中的人类AI团队的安全，信任和道德考虑”，AIAA Scitech，2024年1月8日至124日，佛罗里达州奥兰多。
VLP：自主驾驶的视觉语言计划
自主驾驶是一项复杂而具有挑战性的任务，旨在通过场景和推理来实现安全的运动计划。最近，通过增强的场景理解，几个关键问题，包括缺乏推理，低概括性能和长尾场景，但仍需要戴着几个关键问题，但仍需要进行一些关键问题。在本文中，我们提出了VLP，这是一个新颖的视力 - 语言规划框架，利用语言模式来弥合语言理解与自动驾驶之间的差距。VLP通过加强源内存基础和自动驾驶汽车的上下文理解来增强自主驾驶系统。vlp通过与先前的最佳方法相比，分别在平均L2错误和碰撞率方面，分别在平均L2错误和碰撞率方面实现了35.9％和60.5％的端到端规划表演。此外，在面对新的城市环境时，VLP在挑战性的长尾方案和强大的概括能力方面表现出改善的性能。
titicaca湖的自主双原则
1。基于气候变化改编的水安全2。水资源的污染和富营养化，主要是titicaca，Uru Uru和Poopólakes。3。还原本地渔业资源的库存。4。提高公众对照顾水质和自然资源的重要性的认识。
海报：基于加强学习的自主行动的鲁棒性驱动到对抗性输入
在这项研究中，我们评估了自主驾驶（AD）系统中增强学习的鲁棒性（RL），特别是反对对抗攻击的稳健性。我们采用了Karavolos等人提出的基于Q学习的AD模型。[1]的简单性，是我们分析的基础。此选择使我们能够在简单的Q学习方法和更复杂的RL系统之间进行明显的比较。我们设计了两个威胁模型，以模拟对基于RL的广告系统的对抗性攻击。第一个模型涉及在RL模型的细调中注入未发现的恶意代码，使其容易受到对抗性扰动的影响，这可能会导致在特定的触发条件下碰撞。第二个威胁模型旨在通过直接改变RL模型在特定触发条件下的行动决策来引起碰撞，这代表了一种更隐秘的方法。基于这些威胁模型，我们对两种主要情况的实证研究提出：操纵传感器输入和直接对动作的扰动。研究结果表明，尽管基于RL的AD系统表现出针对传感器输入操纵的弹性，但在受到直接动作扰动时它们会表现出脆弱性。主要的和宽容的场景涉及更改传感器读数，例如在偏心转弯期间，这可能会误导系统并可能导致事故。这对于小误差很大的操作至关重要。第二种情况直接扰动动作，更多地是对基于RL的AD系统脆弱性的理论研究，而不是实用的现实世界威胁。
自主无人机威胁和计数器...
操作环境 - 自动无人机俄罗斯乌克兰战争是第一次见证双方无人机的全面冲突。俄罗斯已经尝试了能够自主操作的柳叶刀和Kamikaze无人机，而乌克兰正在使用US-设计的SwitchBlade无人机，这些无人机能够使用算法识别目标。已经观察到了无人机中自主或基于AI的技术的缓慢整合，这实际上只是减少人类控制的软件更改。自主无人机的出现是由于较大的飞行数字构成的，这构成了控制飞行中众多无人机，避免障碍物和这些无人机的精确靶向的挑战。专家现在警告说，无人机的扩散正在推动军队将越来越多的控制权移交给人工智能（AI），并最终朝着可以在战场上运作而无需人类参与的系统。这可能需要一个自主保护循环，因为人类无法在没有AI的情况下防御自主无人机。无人机的自主权在分析无人机中的自主权之前，要理解两个术语 - AI和自动化通常可以互换使用。尽管这两个术语都可以更聪明，更有效地操作，但是这两个术语之间几乎没有概念上的差异。AI和自动化的共同点是数据。自动化设备整理数据时，AI系统对其进行了解释。
作为 SLAM-F 项目的一部分，泰雷兹公司和 EXAIL 公司订购了八台新一代自主水下无人机
AUV NG 是法国军备总局 (DGA)、法国海军、泰雷兹公司和 Exail 于 2023 年开始的合作成果。这项工作的目的是优化两家制造商的解决方案的重复使用，并将开发的重点重新放在具有最高附加值的技术上，从而能够在只有一半大小的无人机中集中法国海军目前使用的 A-27 原型机的所有功能。作为扫雷和水下监视系统的关键要素，该无人机将携带泰雷兹未来一代声纳 SAMDIS 600 声纳以及 MMCM 计划的软件套件。 AUV NG 完全融入了法国海军目前正在实施的未来反水雷系统 (SLAM-F)，将与根据该计划获得的指挥中心（特别是布雷斯特中心）协同执行任务，并可在未来的水雷战舰队舰船上实施。
软件工程 - 自主代理系统
3。职责3.1。设计，开发和实施为自治代理系统的代码，重点是但不限于专注于行为模型，因果模型，世界模型，优先级机制，奖励机制，社交交流机制和输入输出输出界面。3.2。使用内部和外部系统和基准评估和评估自主剂系统的性能。3.3。设计，开发和实施用于评估自主代理3.4的性能的系统。设计，开发和实施API功能和体系结构功能。3.5。编写代码以支持测试，分析，验证和验证代码库，包容性自主代理系统，性能评估系统，API系统和其他系统。3.6。考虑可扩展性，算法设计，基础架构以及云提供商系统和服务的整体系统设计，编排和部署。
数字、自主和人工智能......
● 专注于使用高有效载荷无人机 - ULTRA 进行空运货物 ● 超视距操作 (BVLOS) ● ULTRA 无人机平台第三次迭代 - 内部开发高可靠性航空电子系统 ● 在英国拥有丰富的运营经验，并与民航局建立了安全案例 ● 获得美国联邦航空局豁免，可以在贾斯珀县以外运营 ● 在印度和英国建立制造合资企业 ● 与英国国防部签订飞机和培训合同 ● 目前在乌克兰用于供应交付 ● 用于南极气象研究 ● 开始与世界粮食计划署在南部非洲合作提供援助
P.S.G.技术学院（自主）
- 未安排在该计划开始之前毕业，并且必须在实习结束后返回印度后至少恢复其学术课程（本科或硕士）至少一个学期或四分之一。- 具有很强的学业成绩记录。- 按照列表中指定的满足所选实验室的要求。- 有兴趣在京都大学寻求博士学位课程。•KU -Star计划的参与者必须同意： - 及时申请适当的签证以及时进入日本。- 在该计划期间，请留在京都大学指定和提供的住宿。- 参加入学和所有必需的会议，活动和文化活动，例如通过京都大学实习计划办公室组织的日语课程。- 在一个参与的实验室中进行30-60天的高级研究项目。- 充分参加分配给他们的实验室的学术活动，参加任何相关的研究研讨会和研讨会。- 在计划结束时准备有关其工作的海报演示文稿。- 首先，将其在计划期间工作中从其工作中产生的任何知识产权分配给其主管。- 提供有关KU -Star计划的反馈。- 同意在该计划期间由京都大学拍摄，并授予大学发布照片的权利。- 为京都大学提供与媒体和公共关系有关的请求。- 在该计划的整个过程中出席京都大学。（鉴于该计划的密集性，参与者将无法在计划期间从事其他工作或学习。不打算在整个计划期间不打算出席京都大学的学生的申请。）