XiaoMi-AI文件搜索系统
World File Search System距离误差
基于曲率以提高自动驾驶汽车的高速驾驶稳定性...
本研究提出了一种基于进料前向（预览距离控制）和反馈（LQR，线性二次调节器）控制器的路径跟踪算法，以减少标题角误差和预定义路径和自主车辆之间的横向距离误差。路径跟踪的主要目标是生成控制命令以遵循预定义的路径。通过控制车辆的转向角而导致的轨迹误差和横向距离误差来求解馈线误差和横向距离误差。使用LQR来减少由环境和外部干扰引起的误差。通过使用CARLA模拟器模拟自动驾驶汽车的驾驶环境来验证所提出的算法。使用测试工具证明了安全性和舒适性。这项研究还表明，所提出的算法的跟踪性能超过了其他路径跟踪算法的跟踪性能，例如纯Pursuit和Stanley方法。
卫星和地面视图之间的跨注意，以增强细粒度的机器人地理位置
跨视图图像地理位置定位旨在通过用GPS标记的卫星图像补丁绘制当前的街道视图图像来确定户外机器人的位置。最近的作品在识别卫星贴片中达到了显着的准确性，该卫星贴片在机器人所在，其中将中央像素在匹配的卫星贴片中用作机器人粗糙位置估计。这项工作着重于机器人在已知的卫星贴片中的细粒度定位。现有的细颗粒定位工作利用相关操作来获得卫星图像本地描述符和街道视图全局描述符之间的相似性。基于衬里匹配的相关操作简化了两个视图之间的相互作用过程，从而导致距离误差很大并影响模型的概括。为了解决这个问题，我们设计了一个具有自我注意力和跨注意层的跨视图功能fu-sion网络，以取代相关操作。此外，我们将分类和回归预测结合在一起，以进一步降低位置距离误差。实验表明，我们的新型网络体系结构的表现优于最先进的，可以在看不见的地区更好的概括能力。具体而言，我们的方法在同一区域和在活力基准的同一区域和看不见的区域中分别将中位定位距离误差降低了43％和50％。
使用rvq-vae
在手语制作（SLP）任务中，一种常见的方法是具有独立的手语单词，然后将其运动表示形式串联以形成完整的句子。然而，由于中间缺少框架，该过程构成了挑战，这导致突然过渡并降低平滑度，从而使结果序列难以解释。为了解决此问题，本文介绍了一个量化的矢量量化变异自动编码器（RVQVAE）模型，用于在视频中插值2D关键点运动。我们的实验通过在视频关键点序列中随机隐藏一组帧来模拟单个符号转变。通过将其性能与隐藏帧的基线方法进行比较，可以评估所提出的模型。矩阵距离误差和动态时盘指标的改进表明，RVQVAE模型可为生成中间帧产生有希望的结果。这些发现突出了开发应用程序的潜力，以增强手语的生产以使聋人社区受益。
开发具有标准化接口的高保真汽车激光雷达传感器模型
摘要：本文介绍了一种开发独立于工具的高保真基于光线追踪的光检测和测距 (LiDAR) 模型的过程。该虚拟 LiDAR 传感器包括扫描模式的精确建模和 LiDAR 传感器的完整信号处理工具链。它是使用标准化开放仿真接口 (OSI) 3.0.2 和功能模型接口 (FMI) 2.0 开发为功能模型单元 (FMU)。随后，它被集成到两个商业软件虚拟环境框架中以证明其可交换性。此外，通过在时间域和点云级别比较模拟和实际测量数据来验证 LiDAR 传感器模型的准确性。验证结果表明，模拟和测量的时间域信号幅度的平均绝对百分比误差 (MAPE) 为 1.7%。此外，从虚拟目标和真实目标接收的点数 N points 和平均强度 I mean 的 MAPE 分别为 8.5% 和 9.3%。据作者所知，这是迄今为止报告的接收点数 N points 和平均强度 I mean 的最小误差。此外，距离误差 d error 低于实际 LiDAR 传感器的测距精度，对于此用例为 2 cm。此外，将试验场测量结果与商业软件提供的最先进的 LiDAR 模型和提出的 LiDAR 模型进行了比较，以测量
随机浅二维量子电路的有效经典模拟
量子计算的一个核心问题是确定量子计算相对于经典计算的优势来源。尽管在经典计算机上模拟量子动力学被认为在最坏情况下需要指数级的开销，但已知在几种特殊情况下存在有效的模拟。人们普遍认为，这些易于模拟的情况以及任何尚未发现的情况都可以通过随机选择量子电路来避免。我们证明了这种直觉是错误的，因为我们证明了某些恒定深度的二维随机电路系列可以在经典计算机上近似模拟，时间与量子比特和门的数量成线性关系，即使相同的系列能够进行通用量子计算，并且在最坏情况下很难精确模拟（在标准硬度假设下）。虽然我们的证明适用于特定的随机电路系列，但我们用数字证明，更一般的足够浅的恒定深度二维随机电路系列的典型实例也可以有效模拟。我们提出了两种经典模拟算法。一种是基于首先模拟空间局部区域，然后通过恢复图将它们“缝合”在一起。另一种方法是将二维模拟问题简化为模拟一种由交替进行的随机局部幺正和弱测量组成的一维动力学问题。类似的过程最近成为研究的焦点，研究发现，随着测量强度的变化，动力学通常会经历从低纠缠（且模拟效率高）状态到高纠缠（且模拟效率低）状态的相变。通过从随机量子电路到经典统计力学模型的映射，我们给出了分析证据，证明随着电路结构参数（如局部希尔伯特空间维数和电路深度）的变化，我们的两种算法都会发生类似的计算相变，此外，对应于足够浅的随机量子电路的有效一维动力学属于模拟效率范围。针对深度为 3 的“砖砌”架构（精确模拟难度较大）实施后一种算法，我们发现笔记本电脑可以在 409 × 409 网格上模拟典型实例，总变化距离误差小于 0.01，每个样本大约需要一分钟，这是之前已知的电路模拟算法无法完成的任务。数值结果支持我们的分析证据，即该算法是渐近有效的。
随机浅二维的高效经典模拟......
随机量子电路通常被认为难以进行经典模拟。在某些情况下，这已被正式推测——在深度二维电路的背景下，这是谷歌最近宣布“量子计算霸权”的基础——并且没有证据反对更普遍的可能性，即对于具有均匀随机门的电路，典型实例的近似模拟几乎与精确模拟一样困难。我们通过展示一个浅随机电路系列来证明情况并非如此，该电路系列在标准难度假设下无法有效地进行经典模拟，但可以近似模拟除超多项式一小部分电路实例之外的所有电路实例，时间与量子比特和门的数量成线性关系；这个例子限制了最近随机电路模拟的最坏情况到平均情况简化的稳健性。虽然我们的证明是基于一个人为的随机电路系列，但我们进一步推测，足够浅的恒定深度随机电路通常可以有效地模拟。为此，我们提出并分析了两种模拟算法。通过为深度为 3 的“砖砌”架构实现我们的一种算法（该架构很难进行精确模拟），我们发现一台笔记本电脑可以在 409×409 网格上模拟典型实例，变分距离误差小于 0.01，大约需要一分钟每个样本，而这项任务对于以前已知的电路模拟算法来说是难以完成的。数值证据表明该算法仍然渐近有效。我们严格的复杂性分离和猜想的关键在于观察到 2D 浅随机电路模拟可以简化为由交替进行的随机局部幺正和弱测量组成的 1D 动态形式的模拟。类似的过程最近成为一项深入研究的焦点，该研究通过数值发现，随着测量强度的变化，动力学通常会经历从高效模拟状态到低效模拟状态的相变。通过从随机量子电路到经典统计力学模型的映射，我们给出了分析证据，表明我们的算法会发生类似的计算相变，因为电路架构的参数（如局部希尔伯特空间维度和电路深度）