XiaoMi-AI文件搜索系统
World File Search System行人
社交 - vrnn：互动行人的单次多模式轨迹预测
摘要：人类动议的预测是对人类自主机器人安全导航的关键。在混乱的环境中，由于其与环境和其他脚步的相互作用，可能会有几种运动假设。以前用于估计多个运动假设的工作需要大量样本，这限制了其在实时运动计划中的适用性。在本文中，我们提出了一种基于深层生成神经网络的相互作用和多模式轨迹预测的变分学习方法。我们的方法可以实现更快的收敛性，并且与最新方法相比，需要更少的样本。对真实和模拟数据的实验结果表明，我们的模型可以有效地学习推断出不同的轨迹。我们将我们的方法与三种基线方法进行了比较，目前的性能结果表明，我们的生成模型可以通过产生各种轨迹来实现轨迹预测的更高准确性。
自动意识的行人建模用于测试模拟中的自动驾驶汽车
摘要：随着城市环境中自动驾驶汽车的兴起，重点也转向行人区的自动驾驶汽车。行人安全成为此类区域中的主要关注点。在这些情况下的自治系统需要在现实世界中部署之前进行彻底的测试，以确保安全。因此，开发类似于实际在行人区域进行自动驾驶汽车测试的现实世界的测试床非常重要。拟议的工作着重于在模拟环境中实现行人自动驾驶汽车的行人行为的建模。虚拟行人以自我意识为模型，以避免朝着目标迈进时静态和动态的障碍。目标还必须具有最少数量的参数，以生成各种测试场景，并具有现实的行为行人的自主系统。使用个人和虚拟行人组评估所提出的系统。可以从实验中可以看出，模拟行人表现出类似于现实世界中行人的轨迹的轨迹。
在虚拟十字路口遇到自动车辆时，解释行人的头部运动
将来，自动车辆（AV）可能能够使用行人的头部运动模式来了解他们的交叉意图。AV预测行人交叉意图的这种能力将改善混合交通情况下的道路安全性，并可能增强交通流量，从而使车辆能够在产量之前逐渐降低速度，从而消除了完全且不稳定的停止。迄今为止，研究行人头部运动进行的大多数工作都是基于观察研究。为了进一步了解这一领域的理解，这项研究检查了在VR环境中开发的各种道路越过场景中与AVS互动时的行人头部运动。38名参与者参加了这项基于洞穴的行人模拟器研究。使用立体运动跟踪眼镜记录了头部运动，因为行人越过道路，以响应从右侧（英国道路）接近的AV。在一半的试验中包括了斑马穿越，以了解其如何影响交叉行为。还研究了AV的不同接近速度的影响，以及外部人机界面（EHMI）的存在对头部运动和交叉行为的影响。结果表明，在交叉开始前1 s左右，绝对的头转弯率（PE Destrians的头部转弯角变化）显着增加，在交叉开始时达到了峰值，在交叉决定之前，行人在交叉决定之前进行了“最后一秒钟的检查”。对于不可用的场景，还可以看到更高的转向率。在穿越末端（越过启动后约1.5 s）可以看到右侧的绝对转向率的另一种增加，以检查接近车辆的接近度。最后，在斑马横交的存在下，在包括EHMI的屈服条件下看到了最少的头转弯。这些结果表明，基于基础设施和车辆的线索在协助行人交叉决策方面的价值，并提供了有关AVS如何使用转弯行为来更好地预测行人在城市环境中的交叉意图的见解。
机器学习驱动的行人认可和行为预测，以增强智能城市的公共安全
Rutgers University，New Brunswick，New Jersey，USA ys820@rutgers.edu *作者应与之交谈。 摘要：该研究介绍了智能城市基础设施内行人认可和行为预测技术的开发和实施，重点是增强交通管理和公共安全。 通过整合传感器，LiDAR和相机的实时数据，该系统利用高级机器学习模型，包括长期短期内存（LSTM）和变压器体系结构，以预测具有93％精度的行人运动。 预测模型被部署在模拟的城市环境中，导致车辆空闲时间降低了20％，平均车辆速度增加了15％，从而优化了交通流量。 此外，车辆到所有设施（V2X）通信和5G技术的整合启用了车辆，行人和交通控制系统之间的实时互动。 该系统有效地减少了30％的临近事件，并在有害行人的情况下为车辆提供了1.8秒的平均反应时间。 此外，该模型还确定了87％的潜在行人危害，从而大大改善了公共安全。 尽管有这些进步，但仍存在大规模部署中的数据隐私问题和硬件限制之类的挑战。 未来的研究将着重于通过多模态数据融合和实时学习算法的发展克服这些挑战，从而使智能城市更加适应性和高效。 关键字：行人识别；行为预测；智能城市基础设施；实时流量管理； V2X通信。Rutgers University，New Brunswick，New Jersey，USA ys820@rutgers.edu *作者应与之交谈。摘要：该研究介绍了智能城市基础设施内行人认可和行为预测技术的开发和实施，重点是增强交通管理和公共安全。通过整合传感器，LiDAR和相机的实时数据，该系统利用高级机器学习模型，包括长期短期内存（LSTM）和变压器体系结构，以预测具有93％精度的行人运动。预测模型被部署在模拟的城市环境中，导致车辆空闲时间降低了20％，平均车辆速度增加了15％，从而优化了交通流量。此外，车辆到所有设施（V2X）通信和5G技术的整合启用了车辆，行人和交通控制系统之间的实时互动。该系统有效地减少了30％的临近事件，并在有害行人的情况下为车辆提供了1.8秒的平均反应时间。此外，该模型还确定了87％的潜在行人危害，从而大大改善了公共安全。尽管有这些进步，但仍存在大规模部署中的数据隐私问题和硬件限制之类的挑战。未来的研究将着重于通过多模态数据融合和实时学习算法的发展克服这些挑战，从而使智能城市更加适应性和高效。关键字：行人识别；行为预测；智能城市基础设施；实时流量管理； V2X通信。被引用为：Sun，Y。，＆Ortiz，J.（2024）。机器学习驱动的行人识别和行为预测，以增强智能城市的公共安全。人工智能与信息杂志，1，51-57。取自https://woodyinternational.com/index.php/jaii/article/article/view/51 1。随着智能城市的快速发展，先进技术和数据分析的整合正在重塑城市基础设施，旨在优化资源利用，改善公共安全并增强交通管理（Silva等，2018）。智能城市发展中的主要挑战在于对行人行为的准确认识和预测，这对于交通法规和公共安全至关重要（Aldeer等，2023）。传统监测系统虽然能够检测到行人的存在，但通常无法准确预测动态环境中的复杂行为，从而限制了它们在实时决策中的有效性（Zhong等，2024）。随着城市人口的增长，通过预测技术确保公共场所的安全性和效率成为必要。Yao等。（2022）强调采用先进的数据分析和机器学习技术来克服这些局限性的重要性。现有系统主要集中于静态检测，在预测人类行为方面提供了有限的能力，从而导致紧急响应和次优的交通管理延迟（Gu等，2024）。预测行人行为的能力不仅可以优化交通流量，而且通过防止潜在危害来增强公共安全。随着深度学习算法的兴起，特别是卷积神经网络（CNN）和像LSTM这样的复发模型，行人识别变得更加精确和有效，因为这些模型可以实时处理复杂的多维数据（Liu等，2024）。此外，最近的研究表明，将行人行为预测与城市基础设施（例如智能交通信号灯和自动驾驶汽车系统）相结合，大大降低了事故并提高了城市运营的整体效率。Yao等。（2022）强调将行人检测与预测分析相结合可以预见并防止高风险地区的事故，例如繁忙的十字路口或公共事件。这种主动的方法标志着与传统的反应系统的转变，提供了对现代城市环境必不可少的实时预测。此外，进步
使用红外摄像头、雷达和摄像机进行基于人工智能的夜间行人检测和避让
简介 过去十年来，美国的行人死亡人数不断飙升。行人死亡人数增加了 46%，从 2010 年的 4,302 人增加到 2019 年的估计 6,301 人。夜间行人死亡人数增加了 54%，而同期白天行人死亡人数仅增加了 16%。在这些致命事故中，约 75% 发生在天黑后。此外，美国汽车协会 (AAA) 的一项研究测试了当前车辆中的行人检测，发现所评估的行人检测系统——由雷达（无线电检测和测距）、图像传感器（摄像头）、激光雷达（光检测和测距）和超声波声纳组成——在夜间条件下无效。该项目的目标是通过结合从三个独立传感器实时获取的数据并使用机器学习算法在夜间检测行人，以减少夜间行人死亡人数
自动驾驶汽车如何向行人传达情绪？情感表达性非人类机器人的评论
摘要：近年来，研究人员和制造商已开始研究使自动驾驶汽车（AV）与附近的行人互动的方法，以补偿缺乏人类驾驶员的情况。这些努力中的大多数侧重于外部人机界面（EHMI），使用不同的模式，例如光模式或公路预测，以传达AV的意图和意识。在本文中，我们研究了通过EHMIS传达情绪的情感界面的潜在作用。迄今为止，关于情感界面可以在支持AV-Pedestrian相互作用中扮演的角色知之甚少。但是，从家庭同伴到户外空中机器人的许多较小的社会机器人都采用了情绪，以无人机的形式使用。为了为情感AV-Pedestrian界面建立基础，我们回顾了2011年至2021年发表的25篇文章中非人类机器人的情感表达。根据审查的发现，我们提出了一系列设计情感AV-Pedestrian界面的考虑因素，并突出了在未来的研究中调查这些机会的途径。
最新的评论：防止儿童和青年行人车辆碰撞：关键问题和未来方向
摘要旨在对与儿童行人车辆碰撞（PMVC）的风险因素有关的最佳可用证据进行全面审查，并确定已建立和新兴的预防策略。方法是通过在过去30年内搜索Medline，Embase，Transport，Safetylit，Cinhal，Scopus和Psycinfo中列出的英语出版物来识别有关风险因素的方法。结果，该最新的审查使用道路安全系统方法作为新的镜头来检查影响儿童行人安全的三个风险因素域（建筑环境，驾驶员和车辆）以及四个交叉探讨关键问题（可靠的碰撞和暴露数据，干预措施，基于证据的策略政策和截言式的协作）。过去30年进行的结论研究已广泛报道了儿童PMVC风险因素。现在面临的挑战是如何将这些发现转化为行动并干预以降低全世界的儿童PMVC伤害和死亡率。
在平等中偏爱一个 - 不是一个好主意：基于变形金刚的人行人检测的多对一匹配
与基于卷积神经网络（CNN）相比，我们研究了基于变压器的行人检测模型较低性能的原因。CNN模型会产生密集的行人建议，单独完善每个建议，然后对其进行非最大抑制（NMS）的跟进，以产生稀疏的预测。在争论中，变压器模型每个地面真相（GT）行人盒选择一个建议，然后从中选择了正面的正态。所有其他建议，其中许多与选定的建议高度相似，都通过了负梯度。尽管这导致了稀疏的预测，从而消除了NM的需求，但在许多类似的建议中，任意选择，有效的训练和较低的行人检测准确性。为了减轻问题，我们建议基于Min-Cost-Flow的配方，而不是常用的Kuhn-Munkres匹配算法，并纳入了诸如每个地面真相盒的约束，并且与一个建议的提案相匹配，并且许多同样好的建议可以与单个地面真相盒相匹配。我们提出了基于匹配算法的第一个基于变压器的行人检测模型。广泛的实验表明，我们的方法达到了3个失误率（较低）3。7 /17。4 /21。8/8。3/2。0在Eurocity / tju-traffic / tju-校园 /城市专家 /加州理工学院数据集中，而4个。7/18。7/24。8/8。5/3。 1通过当前的sota。 代码可从https://ajayshastry08.github.io/flow_ matcher 获得。5/3。1通过当前的sota。代码可从https://ajayshastry08.github.io/flow_ matcher
草稿2021 C/CAG SAN MATEO县综合自行车和行人计划
参与活动旨在吸引圣马特奥县的多个观众，而不仅仅是那些自我认同为骑自行车的人和行人的人。参与方法包括两个咨询委员会，为利益相关者和公众成员的几个虚拟活动以及在线参与工具。虚拟事件被代替了面对面事件。咨询委员会有助于确保来自较小或更多农村司法管辖区的机构工作人员有机会在与较大，更城市的司法管辖区相同的水平上提供意见。此外，在英语和西班牙语中都提供了社区研讨会，利益相关者会议为代表传统上服务不足的人群的机构提供了另一个机会，以提供有关这些人群无法参加虚拟社区研讨会的计划的意见。
药物介绍：ziprasidone作用机转
发行人：陈志：周周主：药品咨询组：药品咨询组药品咨询组：台南巿胜利路药品咨询组：台南巿胜利路138号号：（06）2353535转25152515 http：// http：// www。ncku.edu.tw/~pharmacy/ 1207号：ziprasidone