XiaoMi-AI文件搜索系统
World File Search System视频流
设计和实施17个DOF类人生物机器人以执行各种人类运动和监视
“为人类运动和监视的17 DOF类人生物机器人的设计和实施”项目引入了一个多功能的类人动物机器人，该机器人将娱乐和安全功能结合在一起。该创新的机器人配备了17度的自由度（DOF），为其提供了复制各种人类运动并用作监视工具的灵活性。机器人的硬件组件包括伺服电机，自定义机器人框架，Arduino微控制器，Nodemcu和ESP32CAM模块，用于监视功能。ESP32CAM允许实时视频流和监视。它旨在提高安全性，可以远程控制以帮助通过实时视频提要提供视觉反馈。机器人的附加功能是通过激活手电筒来照亮其周围环境，在弱光情况下提供帮助。在类似人类运动的领域，机器人能够复制各种行动，例如步行，挥舞等等。此功能提供了有趣的元素，并突出了机器人在交互式设置中的潜力。此外，包含一个被动红外（PIR）传感器允许机器人有效地检测人类的存在和运动。它可以通过传输警报，适合于家庭或办公室的监视或协助各种安全相关申请来响应人类活动。“ 17 DOF类人生物机器人的设计和实施
基于水下计算机视觉的视频溺水检测设备
抽象溺水是一个重要的公共健康问题。视频溺水检测算法是找到溺水受害者的有用工具。但是，溺水研究研究的三个挑战通常会遇到：缺乏实际的溺水视频数据，微妙的早期溺水特征以及缺乏实时时间。在本文中，作者提出了一个水下计算机视觉的溺水检测装置，该检测设备由嵌入式AI设备，相机和防水外壳组成，以解决上述问题。检测设备利用Jetson Nano的高性能计算通过在获得的水下视频流中提出的溺水检测算法实现溺水事件的实时检测。所提出的溺水检测算法主要由两个阶段组成：在第一步中，成功地解决了周围环境的干扰，并为视频溺水检测提供了值得信赖的基础，Yolov5N网络用于根据溺水者的特征来检测近事实的人体。在第二阶段，作者提出了一个基于深层高斯模型，用于快速特征向量检测。轻巧的DDN与高斯模型相结合，以检测高级语义特征的异常，该功能具有更高的鲁棒性，并解决了缺乏溺水视频的缺乏。实验结果表明，所提出的溺水检测算法具有良好的全面性能和实际应用值。
临时报告2024
高级消费者在家庭内部和外部我们的消费者业务的增长显着增长，这是由于对高速连通性的需求不断增长所致。家庭宽带使用需求现在超过2Gbps，持续上升反映了带宽密集型应用的扩散。作为回应，我们启动了纤维计划，从对称的2.5G，5G到10G等，再加上最新的Wi-Fi 7路由器，提供了无与伦比的宽带体验，可以通过最新的高容量智能设备享受。我们的纤维到家庭（“ ftth”）连接现在总计10.28亿，占2024年6月底的消费宽带基地的70％。铺平了通往互联未来的道路，我们是2024年3月在香港提供50克PON服务的第一个市场。除了为下一代应用程序（例如8K视频流，虚拟现实和人工智能（“ AI”））进行防止我们的网络之外，它也使我们能够抢先并解决潜在的网络问题，以增强服务质量，以增长的下一代应用程序。为了提升聪明的生活体验，我们于2024年1月推出了1o1o的房屋。此高级家庭解决方案集成了HKT的服务，最新的连接设备，专用的客户支持以及激动人心的生活方式提供，以提供具有凝聚力的一站式客户旅程和培养忠诚度。
矩阵：实时移动控制
我们介绍了矩阵，这是第一个基础现实的世界模拟器，能够在第一和第三人称视角以实时的，重新控制的方式生成无限长的720p高富达现实现场视频流，从而实现了丰富动态环境的沉浸式探索。Trained on limited supervised data from AAA games like Forza Horizon 5 and Cyberpunk 2077, complemented by large-scale unsupervised footage from real-world set- tings like Tokyo streets, The Matrix allows users to tra- verse diverse terrains—deserts, grasslands, water bodies, and urban landscapes—in continuous, uncut hour-long se- quences.以高达16 fps的速度，该系统支持实时交互性，并演示了零拍的通用性，将虚拟游戏环境转换为现实世界上下文，在这些环境中，收集连续移动数据的数据是不可行的。例如，矩阵可以模拟通过办公室设置驱动的宝马X3，这是游戏数据和现实世界中的一个环境。这种方法展示了AAA游戏数据对强大的世界模型的潜力，在具有Lim esed数据的情况下弥合了模拟和现实世界应用程序之间的差距。本文中的所有代码，数据和模型检查点都将被开源。
DS-AT1000S/440系列存储系统
大容量、高密度 ● 4U机箱提供高达440TB的容量 ● 高密度设计减少了安装空间要求和运输成本 低功耗 20TB企业级硬盘，每TB功耗降低50% 安全可靠 ● iRAID技术和N+M冗余机制，单个RAID最多允许2块错误硬盘 ● 硬盘加密技术，只允许海康威视设备读取硬盘内的数据，保护数据安全 免维护 ● 按需重建故障硬盘 ● 硬盘定期自动更换 高性能的流数据管理结构 基于流媒体底层管理结构，解决文件系统损坏导致文件无法读取或丢失的问题，确保覆盖写入时不会产生文件碎片 混合流直存 ● 支持视频流和SMART流混存 ● 支持RTSP、ONVIF等协议访问摄像机iRAID 通过Erasure encoding和iRAID技术，保证2块硬盘同时存在的情况下，数据的完整性单个RAID故障，如果错误硬盘数量超过冗余限制，其他硬盘仍可读写。丰富的应用● 支持连续录像、手动录像、报警录像。人性化的操作维护● 支持一键配置，提高系统配置效率● 通过指示灯报警、邮件报警等丰富的报警管理方式，提高设备维护效率。
使用仪表板
摘要 - 坑洼是道路基础上的一个常见问题，可能导致事故，车辆损坏和交通拥堵。近年来，随着车辆仪表板的可用性越来越多，人们对使用它们自动检测和报告道路上的坑洼越来越兴趣。本文提出了使用仪表板摄像机检测孔洞检测方法的方法，该方法涉及捕获道路的录像并使用计算机视觉技术对其进行处理。所提出的方法结合了图像处理算法和机器学习技术的组合来检测和对视频流进行分类。算法首先从视频中提取框架，并应用预处理步骤来增强图像的对比度。然后，它使用边缘检测和纹理分析技术来识别可能包含坑洼的区域。使用深度学习模型将这些区域进一步处理，以将其分类为坑洼或非坑洼。实验结果表明，所提出的方法可以以高精度和召回率实时准确地检测坑洼。该方法还对从不同仪表板捕获的大量数据集进行了测试，并且发现对不同的照明和天气状况非常强大。所提出的方法有可能为孔洞检测提供低成本和高效的解决方案，并可以集成到现有的仪表板摄像头系统中。然后，该系统可以提醒驾驶员的存在，并帮助道路维护当局在造成事故或损坏车辆之前快速识别和修复坑洼。
Calcivis®成像设备
启用无线的Calcivis®成像系统（CISW）旨在由牙科医疗保健专业人员对患者（6岁及6岁）的患者使用，具有与龋齿病变相关的脱矿化的风险，可及可及性冠状牙齿表面。CISW被指示用于提供牙齿表面上主动脱源性的图像，以帮助评估，诊断，监测和治疗计划与龋齿病变相关的脱矿化。CISW由两个主要组成部分组成，它们结合使用，以使牙科实践者能够在牙齿表面上获得主动脱矿化的图像：Calcivis®成像装置和Carcivis®成像套件。Calcivis®成像设备包括一个口腔内相机，码头和相关的软件，允许图像的视频流和静止图像的捕获，以及一种将少量（约25µL）Calcivis®光蛋白应用于牙齿的机制。Calcivis®成像试剂盒的关键成分是Calcivis®光蛋白，其中包含一种非治疗性重组光蛋白，在常规使用中，该光蛋白通常以每颗牙齿的最大20颗牙齿的最大牙齿（例如，所有摩尔和前摩尔的露天表面）以每颗牙齿的最大牙齿进行约3µg应用。Calcivis®成像系统包括：
远程塔环境中较低帧率的影响
摘要 — 在航空领域，“远程塔台”是一个当前快速发展的概念，为机场提供经济高效的空中交通服务 (ATS)。其基本原理是依靠光学摄像机传感器，其视频图像从机场中继到位于任何地方的 ATS 设施，并显示在视频全景图上，以提供独立于塔台窗外视野的 ATS。带宽通常有限且昂贵，但在这种经济高效的系统中起着至关重要的作用。降低中继视频流的帧速率 (FR，以 fps 表示) 是节省带宽的一个参数，但会以视频质量为代价。因此，本文评估了在不影响操作性能和人为因素问题的情况下可以减少多少 FR。在我们的研究中，七名空中交通管制员观看了由德国航空航天中心 (DLR e.V.) 布伦瑞克-沃尔夫斯堡机场 (BWE) 的远程塔台现场测试平台录制的真实空中交通视频。在被动阴影模式下，受试者在四种不同的 FR 条件下（2 fps、5 fps、10 fps 和 15 fps）执行 ATS 相关任务，以客观衡量其视觉检测性能并主观评估其当前生理状态以及感知的视频质量和系统可操作性。研究结果表明，通过降低 FR，视觉检测性能和生理状态均不会受到影响。只有感知的视频质量和感知的系统可操作性会因降低 FR 而下降
展示从没有状态估计的像素飞行的敏捷飞行
摘要 - 次数是最敏捷的飞行机器人之一。尽管在基于学习的控制和计算机视觉方面取得了进步，但自动无人机仍然依赖于明确的状态估计。另一方面，人类飞行员仅依靠从板载摄像头的第一人称视频流将平台推向极限，并在看不见的环境中坚固地飞行。据我们所知，我们提出了第一个基于视觉的四摩托系统，该系统自动浏览高速的一系列门，而直接映射像素以控制命令。像专业的无人机赛车飞行员一样，我们的系统不使用明确的状态估计，并利用人类使用的相同控制命令（集体推力和身体速率）。我们以高达40 km/h的速度展示敏捷飞行，加速度高达2 g。这是通过强化学习（RL）的基于识别的政策来实现的。使用不对称的参与者批评，可以促进培训，并获得特权信息。为了克服基于图像的RL训练期间的计算复杂性，我们将门的内边缘用作传感器抽象。可以在训练过程中模拟这种简单但坚固的与任务相关的表示，而无需渲染图像。在部署过程中，使用基于Swin-Transformer的门检测器。我们的方法可实现具有标准，现成的硬件的自动敏捷飞行。尽管我们的演示侧重于无人机赛车，但我们认为我们的方法超出了无人机赛车的影响，可以作为对结构化环境中现实世界应用的未来研究的基础。
机器人、自动化和人工智能：
3.下一个关键的 RAAI 支持技术包括 3-D 视觉和 5G 无线。先进机器视觉的出现正处于创造新一代协作机器人的风口浪尖，这些机器人使用摄像头、激光雷达和红外传感器来实现更快但更安全的协作应用，从而带来新一波生产力提升。视觉引导机器人 (VGR) 很快（2020 年末/2021 年初）就能高度适应动态操作环境，将经过安全认证的 2-D 和 3-D 视觉硬件与先进的软件和强大的计算能力相结合，实时处理大量视觉数据。先进的 VGR 使用算法来实现精确控制的运动。功能齐全的 5G 无线技术具有低延迟、实时速度和更快的传输速率，可将机器人设备与实时计算连接起来，从而实现完全动态的集成性能功能。5G 有望在三到五年内全面投入使用，从而能够在户外等非结构化环境中更广泛地部署自主 RAAI 技术。目前，大多数商业上可行的自主 RAAI 技术应用都发生在更结构化的室内环境中。就像实时无线视频流创造了最后一波云计算浪潮（通常在远程数据中心）一样，5G 可能会催生本地化微型数据中心的出现，以处理预期的实时数据处理爆炸式增长。