从通过金融情报和其他来源确定的案例研究来看,一些指定人员 (DP) 正在使用各种技术来逃避对其个人和商业资产产生影响的制裁。虽然这种行为通常发生在对 DP 实施制裁之前,但也会在其后不久发生。虽然欧盟、美国外国资产控制办公室 (OFAC) 和英国财政部金融制裁实施办公室 (HMT OFSI) 及外交、联邦和发展办公室 (FCDO) 等制裁指定和实施机构之间进行了协调,但不同司法管辖区在指定个人方面的不同时间表为 DP 创造了促进资金/资产流动的机会。
虽然战略咨询中的风险规避在确保稳定性和数据驱动决策方面有其优点,但它也可能无意中扼杀创新并阻碍成长心态的发展。为了取得适当的平衡,公司应考虑将规避风险和承担风险的方法融入其战略规划中,培养一种接受学习和适应的文化。通过这样做,他们将能够更好地应对当今商业环境的挑战并抓住眼前的机遇。
使用有效的飞行策略在未知场景中避开混合障碍物是无人机应用面临的关键挑战。在本文中,我们介绍了一种更强大的技术,仅使用点云输入即可区分和跟踪动态障碍物和静态障碍物。然后,为了实现动态避障,我们提出了禁忌金字塔方法,以迭代方式采用有效的基于采样的方法求解期望的飞行器速度。通过求解具有期望速度和航路点约束的非线性优化问题来生成运动基元。此外,我们提出了几种技术来处理近距离物体的位置估计误差、可变形物体的误差以及不同子模块之间的时间间隔。所提出的方法已实现在机上实时运行,并在模拟和硬件测试中得到了广泛的验证,证明了我们在跟踪鲁棒性、能量成本和计算时间方面的优势。
本文表达的任何观点均为作者观点,而非 IZA 观点。本系列中发表的研究可能包括政策观点,但 IZA 不代表任何机构政策立场。IZA 研究网络致力于遵守 IZA 研究诚信指导原则。IZA 劳动经济研究所是一个独立的经济研究机构,从事劳动经济学研究,并就劳动力市场问题提供基于证据的政策建议。在德国邮政基金会的支持下,IZA 运营着世界上最大的经济学家网络,其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究、政策制定者和社会之间架起桥梁。IZA 讨论文件通常代表初步工作,并被分发以鼓励讨论。引用此类文件时应说明其临时性质。修订版可直接从作者处获得。
摘要:通过大量行业范围的数据调用收集了潜在的 sUAS BVLOS 操作场景/用例和 DAA 方法。向每个 333 豁免持有者征求了相同的信息。记录了来自 5,000 多名豁免持有者的摘要信息,收到的信息具有不同的详细程度,但提供了相关的经验信息来概括用例。制定了一项计划并完成了测试以评估 RLOS,这是安全 BVLOS 操作的潜在关键限制因素。介绍了所用设备、飞行测试区域、测试有效载荷和在不同高度进行测试的装置的详细信息,并提供了简化数学模型、在线建模工具和飞行数据的比较结果。介绍了一个操作框架,该框架定义了推荐要求将使 sUAS 操作 BVLOS 成为可能的环境、条件、约束和限制。该框架包括可以建立在 FAA 和行业行动基础上的策略,这些策略应该会在短期内导致 BVLOS 航班的增加。对 sUAS DAA 方法的评估是通过五个子任务完成的:文献综述
摘要 越来越明显的是,在将人工智能与人类价值观相一致的过程中,一个突出的伦理问题就是价值冲突。当两种令人信服的价值观(如自主性和安全性)在医疗人工智能技术的设计或实施中相互冲突时,我们应该怎么做并不明显。本文分享了对三个概念——人工智能、道德价值观和健康——交叉点的范围审查结果,这些概念与价值冲突和仲裁有关。本文研究了一些重要且独特的价值冲突案例,然后描述了三种可能的价值冲突类别:个人价值冲突、人际或社区间价值冲突以及定义价值冲突。然后,它描述了解决价值冲突的三条一般路径:额外的伦理理论、额外的实证证据以及完全绕过冲突。最后,它反思了这三条路径作为解决三类价值冲突的方法的有效性,并提出了更好地处理医疗人工智能中的价值冲突所需的措施。
图像分类模型所示的对抗性规避攻击。彻底了解此类攻击对于确保关键 AI 任务的安全性和稳健性至关重要。然而,大多数规避攻击很难针对大多数 AI 系统部署,因为它们只专注于图像域,只有很少的约束。与实践中使用的许多其他 AI 系统输入类型不同,图像由同质、数值、连续和独立的特征组成。此外,某些输入类型包括额外的语义和功能约束,必须遵守这些约束才能生成真实的对抗性输入。在这项工作中,我们提出了一个新框架,使对抗性输入的生成不受输入类型和任务域的限制。给定一个输入和一组预定义的输入转换,我们的框架会发现一系列转换,这些转换会产生语义正确且功能齐全的对抗性输入。我们在具有各种输入表示的几个不同的机器学习任务上展示了我们的方法的通用性。我们还展示了生成对抗性示例的重要性,因为它们可以部署缓解技术。
美国运输部联邦航空管理局华盛顿特区 20591 摘要:通过一系列行业范围内的数据调用收集了潜在的 sUAS BVLOS 操作场景/用例和 DAA 方法。向每位 333 豁免持有者征求了相同的信息。记录了来自 5,000 多名豁免持有者的摘要信息,收到的信息具有不同的详细程度,但提供了相关的经验信息来概括用例。制定了一项计划并完成了测试以评估 RLOS,这是安全 BVLOS 操作的潜在关键限制因素。介绍了所用设备、飞行测试区域、测试有效载荷和在不同高度进行测试的装置的详细信息,并提供了简化数学模型、在线建模工具和飞行数据的比较结果。提出了一个操作框架,该框架定义了推荐要求将使 sUAS 操作 BVLOS 成为可能的环境、条件、约束和限制。该框架包括可以基于 FAA 和行业行动建立的策略,这些策略应该会导致近期 BVLOS 航班增加。对 sUAS DAA 方法的评估是通过五个子任务完成的:对飞行员和地面观察员的观察和避免性能的文献综述、对 DAA 标准和推荐基线性能的调查、对现有/正在开发的 DAA 技术和性能的调查、对选定 DAA 方法的风险评估以及飞行测试。通过文献综述评估了飞行员和地面观察员的观察和避免性能。DAA 标准的制定——这里的重点非常明确——是通过与科学与研究小组 (SARP) 合作以及对有人驾驶和无人驾驶飞机交互的模拟来完成的。通过文献综述、信息请求和直接互动收集了有关 sUAS DAA 方法的信息。通过描述系统类型和定义指标和指标值来分析这些信息。通过关注 SMS(安全管理系统)流程的安全风险管理 (SRM) 支柱来评估与 sUAS DAA 系统相关的风险。这项工作 (1) 确定了与 BVLOS 中 sUAS 操作相关的危险,(2) 提供了考虑现有控制措施的初步风险评估,以及 (3) 建议采取额外的控制和缓解措施,以进一步将风险降低到最低实际水平。最后,进行了飞行测试以收集有关清晰和 DAA 系统危险的初步数据。
反恐怖主义委员会执行局和分析支助和制裁监察组根据关于伊拉克和黎凡特伊斯兰国 (伊黎伊斯兰国) (达伊沙)、基地组织和塔利班及关联个人和实体的第 1526(2004)号和第 2253(2015)号决议编写的关于会员国为打击恐怖主义融资所采取的行动的联合报告(“联合报告”)是根据 2020 年 6 月 3 日安理会第 2462(2019)号决议第 37 段编写的,该报告从发送给所有联合国会员国的一份调查问卷中得出结论,最常用的恐怖主义融资渠道是 (1) 正规银行系统;(2) 现金走私;(3) 货币服务业务;和 (4) 非正式汇款人或哈瓦拉 2。