XiaoMi-AI文件搜索系统
World File Search System跟踪任务
优化的自适应MPC用于自动驾驶汽车的横向控制
摘要 - 自治车辆是解决大多数运输问题的解决方案，例如安全性，舒适性和效率。转向控制是实现自动驾驶的主要重要任务之一。模型预测控制（MPC）是该任务的效果控制器之一，因为其最佳性能和处理约束的能力。本文提出了用于路径跟踪任务的自适应MPC控制器（AMPC），并提出了一种改进的PSO算法，以优化AMPC参数。使用查找表方法在线实现参数改编。通过模拟评估了提出的AMPC性能，并将其与经典的MPC和Pure Pursuit控制器进行了比较。索引项 - 自主车，优化，模型预控制，自适应控制，粒子群优化。
第27届ICPR教程 2024.12.01 - 赵鑫
赵欣教授于2013年获得中国科学技术大学博士学位。他的研究兴趣包括视频分析和性能评估，尤其针对目标跟踪任务。他发表过许多国际期刊和会议论文，例如IJCV、IEEE TPAMI、IEEE TIP、IEEE TCSVT、CVPR、ICCV、NeurIPS、AAAI、IJCAI。最近，他主要进行人机视觉评估方面的研究。他构建了多个广泛使用的计算机视觉基准测试集（例如GOT-10k、VideoCube、SOTVerse、Biodrone等）并建立了在线评估平台。他定期担任以下会议和期刊的程序委员会成员或同行评审员：CVPR、ICCV、ECCV、ICML、NeurIPS、ICLR、IJCV、IEEE TPAMI、IEEE TIP、IEEE TMM等。
地面可变稳定飞行模拟器
摘要。本文讨论了地面可变稳定性飞行模拟器的开发。该模拟器旨在满足飞行员对飞行品质的训练要求。这一要求来自印度空军一流的飞行测试学校。该模拟器还为研究人员和航空航天学生提供了一个平台，使他们能够了解飞机动力学、研究飞机配置设计、飞行力学、制导和控制以及评估自主导航算法。飞机模型是使用开源数据构建的。该模拟器通过优化技术得到加强，以配置可变的飞机稳定性和控制特性来飞行并评估飞行品质的各个方面。通过一系列针对不同飞机稳定性条件的工程师和飞行员在环模拟来评估该方法。所选任务是经过验证的 CAT A HUD 跟踪任务。该模拟器还可以重新配置以承载增强型战斗机，试飞员团队可以将其作为飞行模型评估其功能完整性。
基于扩展状态观察者和后台控制的轨迹跟踪控制类似汽车的移动机器人的控制
摘要：在本文中，提出了一种基于扩展状态观察者（ESO）（ESO）的低速汽车移动机器人（CLMR）的轨迹跟踪控制策略，并提出了后台控制控制，以解决轨迹跟踪的问题问题，该问题是由模拟错误和外部干扰物引起的轨迹跟踪准确性降解。首先，将建模误差和外部干扰引入了CLMR的理想运动学模型中，并利用一组输出方程将耦合的，不向导的干扰运动学模型拆分为两个相互独立的子系统。接下来，基于线性ESO估算子系统中的干扰，并通过Lyapunov方法证明了所提出的观察者的收敛性。最后，使用后备控制控制器设计具有干扰补偿的控制器，以完成CLMR的轨迹跟踪任务。仿真和实验结果显示了拟议的控制方案的有效性。
使用半球纳米线阵列用于机器人视觉
从生物复合眼中获得灵感，人造视觉系统具有生动的各种视觉功能性状，最近才脱颖而出。然而，大多数这些人造系统都依赖于可转换的电子设备，这些电子设备遭受了全局变形的复杂性和约束几何形状，以及光学和检测器单元之间的潜在不匹配。在这里，我们提出了独特的针孔复合眼，将三维印刷的蜂窝光学结构与半球形，全稳态，高密度的钙钛矿纳米纳米型光电探测器阵列结合在一起。无镜头的针孔结构可以使用任意布局设计和制造，以匹配基础图像传感器。光学模拟和成像结果彼此良好，并证实了我们系统的关键特性和功能，其中包括超级视野，准确的目标定位和运动跟踪功能。我们通过成功完成移动的目标跟踪任务，进一步证明了我们独特的复合眼对先进的机器人视觉的潜力。
基于学习的推进控制，用于动态适应不断变化的环境
摘要 - 本文提出了一种基于学习的自适应推进控制（APC）方法，用于与两栖环境中推进器集成的四倍的机器人，从而使其能够在水中有效地移动，同时保持其地面局限性功能。我们设计了特定的增强学习方法，以训练神经网络以执行向量推进控制。我们的方法协调腿和螺旋桨，使机器人能够在执行器故障和未知干扰的情况下实现速度和轨迹跟踪任务。我们对水中机器人的模拟验证证明了训练有素的神经网络根据历史信息预测干扰和执行器故障的有效性，这表明该框架适应不断变化的环境，适合在动态变化的情况下使用。我们提出的方法适合于四倍的机器人的硬件增强，以在两栖机器人的领域创建途径，并扩展了在各种应用程序中使用四倍的机器人的使用。
三重任务范式中多任务处理对元认知的影响
摘要 多任务处理情况（例如开车时使用手机）在日常生活中越来越常见。实验心理学早已记录了多任务处理对任务表现的影响；然而，人们对其对监控此类表现的元认知过程的影响知之甚少。本研究通过将心理物理程序与复杂的多任务处理相结合，朝着填补这一空白迈出了一步。我们设计了一个多模式范式，其中参与者分别或同时执行感觉运动跟踪任务、视觉辨别任务和听觉 2-back 工作记忆任务，同时每约 15 秒评估一次他们的任务表现。我们的主要发现是，多任务处理降低了参与者对这三个任务的表现（元认知敏感性）的意识。重要的是，这一结果与多任务处理对任务表现的影响无关，不能归因于信心流失、心理不应期或自我评价的近期效应。我们讨论了这一发现对元认知和多任务处理研究的意义。
三重任务范式中多任务处理对元认知的影响
摘要 多任务处理的情况（例如开车时使用手机）在日常生活中越来越常见。实验心理学早已记录了多任务处理对任务表现的影响；然而，人们对其对监控此类表现的元认知过程的影响知之甚少。本研究通过将心理物理程序与复杂的多任务处理相结合，朝着填补这一空白迈出了一步。我们设计了一个多模态范式，参与者分别或同时执行感觉运动跟踪任务、视觉辨别任务和听觉 2-back 工作记忆任务，同时每隔约 15 秒评估一次他们的任务表现。我们的主要发现是，多任务处理降低了参与者对自己在这三个任务中的表现（元认知敏感性）的意识。重要的是，这个结果与多任务处理对任务表现的影响无关，不能归因于信心泄露、心理不应期或自我评价的近期效应。我们讨论了这一发现对元认知和多任务研究的意义。
开发飞机飞行控制中的主动操纵器
大多数为飞机控制开发的触觉界面都提供触觉支持作为控制机械手上的附加力。本研究重新审视了主动机械手，这是一种不同于现有触觉界面但与之互补的设计理念。该控制装置将飞行员施加在其上的力传送到飞机，同时通过偏转角反馈飞机的旋转速度。研究发现，与传统的被动机械手相比，主动机械手在补偿跟踪任务中大大促进了目标跟踪和干扰抑制。此外，任务性能的更大改进与更高的强制函数带宽相关。这些发现是由于主动机械手将有效受控元件动力学转变为类似积分器的动力学，同时将干扰抑制集成到神经肌肉系统中。然而，在飞机状态反馈中作用于飞机的高频干扰会对主动机械手的操作效率产生不利影响。根据实验结果和被动性理论的结果，设计和评估了一个超前 - 滞后滤波器，它可以减轻这种影响而不影响任务性能。
与潜在的动力学残差适应世界模型
模拟对真实性增强学习（RL）面临着核对模拟和现实世界中的差异的关键挑战，这可能会严重降级剂。一种有希望的方法涉及学习校正以代表残留误差函数的模拟器正向动力学，但是对于高维状态（例如图像），此操作是不切实际的。为了克服这一点，我们提出了Redraw，这是一种潜在的自回归世界模型，在模拟中鉴定在模拟中，并通过剩余的潜在动力学而不是明确观察到的状态对目标环境进行了验证。使用此改编的世界模型，Redraw使RL代理可以通过校正动力学下的想象的推出来优化RL代理，然后在现实世界中部署。在多个基于视觉的Mujoco域和一个物理机器人视线跟踪任务中，重新绘制有效地对动态变化，并避免在传统转移方法失败的低数据方案中过度拟合。