XiaoMi-AI文件搜索系统
World File Search System路径规划
观点 基于 AI/ML 的霍克斯伯里-尼皮恩谷养老院灾难响应和受害者疏散策略：观点
摘要：霍克斯伯里-内皮恩谷是澳大利亚最长的沿海集水区，河流系统绵延 470 多公里，从古尔本流向布罗肯湾，总面积超过 220 万公顷。该地区一直容易发生洪灾，经常造成大量人员死亡、经济损失和基础设施损失。该地区的地形、自然多变的气候条件和“浴缸”效应是造成洪灾频繁发生的原因。为此，国家/联邦、州和地方政府一直致力于设计有效的洪灾风险管理策略，并为洪灾期间脆弱社区从医院、学校、托儿所和养老院撤离制定适当的疏散计划。尽管有这些总体计划，但专门的应对和疏散养老院计划对于减少该地区洪灾造成的损失至关重要。这是本文的重点，它回顾了洪水事件的历史及其应对措施，然后研究了在洪水事件期间利用人工智能 (AI) 技术克服洪水风险的方法。建议采用基于人工智能/机器学习 (ML) 策略的早期洪水预警系统，以便及时做出决策，增强灾害预测、评估和响应，以克服霍克斯伯里-内皮恩地区老年护理机构面临的洪水风险。提出了一个框架，其中包含人工智能/机器学习方法，用于使用无人机和路径规划确定到达目的地的最安全路线，以便及时应对灾害并疏散老年护理机构的居民。
研究论文：使用 SLAM 实现半自主移动机器人辅助系统远程操作的脑机接口
所提出的辅助混合脑机接口 (BCI) 半自主移动机械臂展示了一种设计，该设计 (1) 通过使用传感器观察环境变化并部署替代解决方案而具有适应性，(2) 通过非侵入式脑电图帽接收来自用户脑波信号的命令而具有多功能性。所提出的机器人由三个集成子系统、混合 BCI 控制器、全向移动基座和机械臂组成，其命令映射到与一组特定身体或心理任务相关的用户脑波上。传感器和摄像头系统的实施使移动基座和手臂都具有半自主性。移动基座的 SLAM 算法具有避障能力和路径规划能力，可帮助机器人安全操纵。机械臂计算并部署必要的关节运动，以拾取或放下用户通过摄像头馈送上的脑波控制光标选择的所需物体。使用 Gazebo 对子系统进行了验证、测试和实施。BCI 控制器和子系统之间的通信是独立测试的。使用与每个特定任务相关的预录脑电波数据循环来确保执行移动基座命令；使用相同的预录文件来移动机器人手臂光标并启动拾取或放下动作。进行最终系统测试，其中 BCI 控制器输入移动光标并选择目标点。辅助机器人手臂的成功虚拟演示表明恢复残疾用户的运动能力和自主能力是可行的。
空中领域机器人
最先进的空中机器人技术可以完成令人印象深刻的任务。然而，微型飞行器 (MAV) 在有效野外部署中的更广泛使用和采用受到自主组件弹性限制。在本章中，我们将在弹性框架下审视自主系统的每个要素，并研究最新发展和悬而未决的问题。为了从原则上理解弹性和实地强化的空中机器人自主技术的进展，我们受风险分析领域类似研究的启发定义了弹性（Howell 2013）。如果一个系统展现出与其控制、感知、路径规划和决策相关的基本特征 a) 鲁棒性、b) 冗余性和 c) 足智多谋性，则该系统具有弹性的优点。该组织如图 1 所示。鲁棒性融合了可靠性的概念，指的是机器人吸收和承受不可预测情况的干扰和恶化影响的能力。冗余性涉及机器人的能力和备用系统的存在，通过整合各种重叠的子系统、方法、策略和最终安全方案，确保在发生干扰和故障时能够维持核心功能。机智性是指适应变化、不确定性和危机的能力，并利用机器人固有的灵活性，使用多种可能的解决方案来实现特定功能。这是通过组合各种子系统来实现的，这些子系统以不同的方式利用其基本能力来降低完全故障的可能性。鉴于这种关于弹性自主性的视角，在本章中，我们将重点关注MAV在混乱、感知退化的环境中的实施、控制、感知和规划。
CS 7632 游戏 AI - 教学大纲
Jeff Wilson，博士 高级研究员 人力与技术研究所 jeff.wilson@gatech.edu 描述 欢迎来到 CS 7632 游戏 AI。在应用于视频游戏开发时，人工智能与一般 AI 研究的目的不同。这是因为一般 AI 通常关注寻找正确和/或最佳答案。但是，游戏 AI 的目标只是提供有趣的游戏体验。因此，游戏 AI 解决方案可能涉及偷工减料、欺骗游戏玩家或在实施方面作弊。游戏 AI 还面临着计算资源有限的挑战，因为视频游戏涉及许多必须协调工作的子系统，例如图形、声音、物理模拟等。游戏 AI 通常在游戏功能列表中的优先级较低，这进一步激发了偷工减料策略。虽然游戏 AI 通常利用经典 AI 研究中的概念，但您会发现有许多独特的实施策略可实现有趣的游戏体验。游戏 AI 课程涵盖的主题包括代理移动、路径规划、决策、目标导向行为、学习和程序内容生成。技术要求和软件 大多数软件开发都是使用 Unity 引擎和 C# 编程语言进行的。学生需要能够运行 Unity 的 Windows PC 或 Mac。某些作业可能会使用 Python 等补充工具。建议的背景知识 学生应该熟悉基本的计算机科学概念，例如算法和数据结构。学生还应该具有强大的软件开发背景。学生不必熟悉 Unity 引擎。对于不熟悉 C# 的人，熟悉 Java 等强类型面向对象编程语言会很有帮助。作业权重注意：作业和权重可能会因学期而异。请参阅 Canvas 了解具体信息。
CS 7632 游戏 AI - 教学大纲
Jeff Wilson，博士 高级研究员 人力与技术研究所 jeff.wilson@gatech.edu 描述 欢迎来到 CS 7632 游戏 AI。在应用于视频游戏开发时，人工智能与一般 AI 研究的目的不同。这是因为一般 AI 通常关注寻找正确和/或最佳答案。但是，游戏 AI 的目标只是提供有趣的游戏体验。因此，游戏 AI 解决方案可能涉及偷工减料、欺骗游戏玩家或在实施方面作弊。游戏 AI 还面临着计算资源有限的挑战，因为视频游戏涉及许多必须协调工作的子系统，例如图形、声音、物理模拟等。游戏 AI 通常在游戏功能列表中的优先级较低，这进一步激发了偷工减料策略。虽然游戏 AI 通常利用经典 AI 研究中的概念，但您会发现有许多独特的实施策略可实现有趣的游戏体验。游戏 AI 课程涵盖的主题包括代理移动、路径规划、决策、目标导向行为、学习和程序内容生成。技术要求和软件 大多数软件开发都是使用 Unity 引擎和 C# 编程语言进行的。学生需要能够运行 Unity 的 Windows PC 或 Mac。某些作业可能会使用 Python 等补充工具。建议的背景知识 学生应该熟悉基本的计算机科学概念，例如算法和数据结构。学生还应该具有强大的软件开发背景。学生不必熟悉 Unity 引擎。对于不熟悉 C# 的人，熟悉 Java 等强类型面向对象编程语言会很有帮助。作业权重注意：作业和权重可能会因学期而异。请参阅 Canvas 了解具体信息。
推荐引用 推荐引用 Numan, Arwa，“人工智能在灾害管理中的应用：有效性和挑战”（2024 年）。刑事司法方面的重大项目。26. https://repository.stcloudstate.edu/cjs_etds/26
根据同行评审的研究，人工智能 (AI) 和基于云的协作平台在灾难响应中收集数据，以根据紧急情况的复杂性提出具体计划 (Gupta et al., 2022)。 (RF) 算法找到影响家庭疏散准备时间的因素 (Rahman et al., 2021)。人工智能和基于云的平台通过 (众包) 协调人道主义需求 (Gupta et al., 2022)。人工智能和基于云的系统向应急响应人员提供必要的信息；该方法还有效地分配资源以进行响应 (Gupta et al., 2022)。地理人工智能灾难响应通过提供准确的地图分析，使灾难响应人员能够获得精确的信息 (Demertzis et al., 2021)。最先进的深度学习方法可以检测卫星图像的变化，从而实现高效响应 (Sublime & Kalinicheva, 2019)。 AGRA (AI) 是一种增强地理路由方法，可改善路由问题 (Chemodanov 等人，2019)。早期预警通过应用 AI SVM 分析可用数据，为监控室做出洪水或无洪水的决策，从而促进受影响人群在灾难中的撤离 (Al Qundus 等人，2022)。结合人工神经网络 (ANN) 和互联网 (IoT) 以及基于人工智能/机器学习 (ML) 的 ANN 的洪水预报方法可用于早期洪水预警系统。通过人工智能 (AI) 和机器学习 (ML) 的集成系统、地理信息系统 (GIS) 与无人机 (UAV) 方法以及在灾难期间寻找最安全疏散路线的路径规划技术，保护弱势群体免受洪水灾害 (Munawar 等人，2022)。人工智能与 UNOSAT 一起对受灾地区的地图进行高级分析，以进行早期预警 (将人工智能融入卫星，2021)。根据在线调查，不同的因素影响公众对在灾难中应用人工智能的看法。为人工智能系统用户提供了指南，以确保系统的责任。（Yigitcanlar 等人，2021 年）。
分数：评估决策的鲁棒性 -
摘要 - 自主驾驶系统（ADS）测试对于ADS开发至关重要，目前的主要重点是安全性。然而，对非安全性能的评估，尤其是广告做出最佳决策并为自动驾驶汽车（AV）提供最佳途径的能力，对于确保智力和降低AV风险的智力也至关重要。当前，几乎没有工作来评估ADSS路径规划决策（PPD）的鲁棒性，即，在环境中无关紧要的变化后，广告是否可以维持最佳的PPD。关键挑战包括缺乏评估PPD最优性的清晰牙齿，以及寻找导致非最佳PPD的场景的困难。为了填补这一空白，在本文中，我们专注于评估ADSS PPD的鲁棒性，并提出了第一种方法，分区者，用于生成非最佳决策方案（NODSS），其中ADS不计划AVS的最佳路径。测试器包括三个主要组成部分：非侵入性突变，一致性检查和反馈。为了克服甲骨文挑战，设计了非侵入性突变以实施保守的修改，从而确保了在突变场景中保存原始的最佳路径。随后，通过比较原始场景和突变的场景中的驱动路径来应用一致性检查以确定非最佳PPD的存在。为了应对大型环境空间的挑战，我们设计了整合AV运动的空间和时间维度的反馈指标。这些指标对于有效地转向发射的产生至关重要。因此，分子可以通过生成新方案，然后在新方案中识别点头来生成点头。我们评估了开源和生产级广告Baidu Apollo上的分员。实验结果验证了分子在检测ADS的非最佳PPD中的有效性。它总共生成63.9个点头，而表现最佳的基线仅检测35.4个点头。
基于Petri Net模型和LTL规格的多机器人路径计划
近年来，为一组移动机器人（也称为代理商）开发路径规划方法的重要性。在给定环境中的机器人运动中使用了不同的模型，例如过渡系统（TS）[1]，[2]或Petri Net（PN）模型[3]，[4]。在多种情况下，需要机器人才能实现全球目标。表达机器人团队任务的已知形式主义基于高级规范，例如线性时间逻辑（LTL）[5]。运动计划应通过计算无碰撞轨迹来确保给定的任务。当然，可以以各种方式计算机器人与规范之间的关联来返回解决方案，例如，将TS抽象用于异质机器人系统的使用，以及模型检查LTL Mission的算法，以B形automaton（BA）建模。据我们所知，没有方法可以分解全球LTL任务，而无需考虑LTL形式主义的某些假设或特定类别，这是通过当前工作探讨的事实。 [1]建议将指定限制分配到仅由一个机器人解决的单个任务中，与集中式方法相比，较少的状态，而离散状态W.R.T.指数增加。 机器人的数量。 另一种计划策略依赖于PN表示[6]，它具有整个团队运动的图形拓扑的好处，以及一个不变的模型W.R.T. 机器人数。 工作[6]旨在计算据我们所知，没有方法可以分解全球LTL任务，而无需考虑LTL形式主义的某些假设或特定类别，这是通过当前工作探讨的事实。[1]建议将指定限制分配到仅由一个机器人解决的单个任务中，与集中式方法相比，较少的状态，而离散状态W.R.T.指数增加。机器人的数量。另一种计划策略依赖于PN表示[6]，它具有整个团队运动的图形拓扑的好处，以及一个不变的模型W.R.T.机器人数。工作[6]旨在计算
ENCS 课程描述
ENCS 课程描述 ENCS 5300. 纳米材料基础 (3)：本课程重点介绍描述和解释纳米级物质特性的化学、物理和数学概念。它将强调理解自组装过程背后的分子驱动力以及用于表征所得纳米材料的方法所需的基本化学、物理和数学。它还将介绍纳米材料的应用。 ENCS 6010. 高级应用数学 (3)：本课程涵盖高级数学主题，包括线性代数、数值方法、傅里叶分析、离散数学、概率和统计以及代数结构，特别强调在工程和计算科学中的应用。 ENCS 6020. 高级计算 (3)：本课程提供在高端计算机、计算机网络或个人计算机上进行计算的基本知识、技能和工具。主题包括：编程和编程语言；数据结构、算法和计算复杂性；高性能计算；分布式计算；优化；统计数据分析；计算误差分析。还将介绍先进计算技术的选定工程应用。 ENCS 6030. 网络物理系统的建模与仿真 (3)：研究建模、仿真和设计的原理，包括制定规范和对由彼此通信并通过传感器和执行器与物理世界交互的设备组成的网络物理系统进行分析。主题包括同步和异步模型以及定时模型、安全性和活跃性要求以及实时调度。还研究了动态系统和混合系统的建模和仿真的一些方面。 ENCS 6110. 先进机器人系统 (3)：本课程主要介绍机器人变换、运动学、动力学、差分运动、运动和路径规划、操纵和移动控制。高级主题包括：多机器人系统合作和协作任务规划和执行、机器人传感器接口和集成、被动和主动感知、处理和推理。学生将有机会通过实验室动手项目了解机器人软件、传感器和硬件。ENCS 6120。机电一体化系统设计 (3)：本课程旨在涵盖从机电一体化理论的初步知识到基于项目的机电一体化系统设计。本课程的多学科内容包括：机制、电子、传感器、控制策略以及控制环路中的软件、固件和硬件。本课程还讨论了将机电一体化系统与传感器、机器人系统、可编程逻辑控制器 (PLC) 和人机界面集成的技术和技能。成功完成本课程的学生应能够解决需要紧密集成机电一体化组件和子组件以支持嵌入式机电机构和控制系统的多学科工程设计项目。ENCS 6200。工程设计优化 (3)：优化技术的计算机化设计方法。使用设计变量和约束制定优化问题。使用数学模型解决问题，运筹学中的确定性优化方法，线性规划模型，单纯形法，线性规划中的对偶性和灵敏度。非线性优化和多目标函数优化，约束和无约束问题。