XiaoMi-AI文件搜索系统
World File Search System路径规划
EML：工程：机械课程
在本课程中，学生将深入了解机器人技术领域特定领域的基础和基本成果。例如，人类代理/机器人团队合作、多变量线性控制系统、人形机器人、可穿戴机器人、人类辅助设备、导航和路径规划、故障检测和隔离、自主导航和避障、人性化工业机器人和自动化、社交机器人、现场机器人、教育和培训机器人以及康复机器人。
自主驾驶系统中的路径计划算法
这项综合审查的重点是自主驾驶系统（ADS），该系统旨在减少人为错误，这是大约95％的汽车事故的原因。广告包括六个阶段：传感器，感知，本地化，评估，路径计划和控制。我们解释了每个阶段中使用的主要最新技术，分析了275篇论文，其中162个专门针对路径计划，因为其复杂性，NP-HARD优化性质和在AD中的关键作用。本文将路径规划技术分为三个主要组：传统（基于图，基于抽样的，基于梯度，基于优化的，插值曲线算法），机器和深度学习以及元数据效果优化，详细介绍了他们的优势和缺陷。的发现表明，代表我们研究的23％的元海拔优化方法是成为能够处理复杂问题的一般问题解决者的优先选择。此外，它们具有更快的收敛性和局部最小值的风险降低。占25％的机器和深度学习技术，以其学习能力和对已知方案的快速响应而受到青睐。混合算法的趋势（27％）结合了各种方法，合并了每种算法的好处并克服了对方的缺点。此外，自适应参数调整对于提高效率，适用性和平衡搜索能力至关重要。本评论阐明了自动驾驶系统中路径规划的未来，有助于应对当前的挑战并解锁自动驾驶汽车的全部功能。
佛蒙特大学电气工程系（ee）
EE 5550. 自主性。3 个学分。学生将学习如何使工程系统自主/智能化。涵盖逻辑和算法、动态系统的实时估计和控制、优化和最优规划、机器人和自动驾驶汽车的路径规划、人工智能和机器学习的基础知识以及自动化伦理。应用包括四旋翼无人机的悬停飞行、机器人（包括机械臂和自动驾驶汽车）的感知和导航以及电网的自主控制。先决条件：研究生或讲师许可；假定具备控制系统（例如 EE 3515）的内容知识。
将改进的麻雀搜索算法应用于移动机器人的路径计划
摘要：路径计划是机器人技术领域的重要研究方向；但是，随着现代科学和技术的发展，对机器人研究领域的有效，稳定和安全的路径规划技术的研究已成为现实的需求。本文介绍了一种改进的麻雀搜索算法（ISSA），并采用了融合策略，以进一步提高解决挑战性任务的能力。首先，用圆形混沌映射初始化了麻雀种群，以增强多样性。第二，在探索阶段使用了北陀螺仪的位置更新公式，以替换安全情况下的Sparrow Search Algorithm的位置更新公式。这改善了发现者模型在解决方案空间中的搜索广度，并优化了解决问题的效率。第三，该算法采用了Lévy飞行策略来提高全球优化能力，因此在迭代的后期，麻雀会跳出本地最佳。最后，自适应T分布突变策略在后期迭代中增强了局部勘探能力，从而提高了麻雀搜索算法的收敛速度。将其应用于CEC2021函数集，并将其与其他标准智能优化算法进行比较以测试其性能。此外，ISSA是在移动机器人的路径规划问题中实施的。比较研究表明，就路径长度，运行时间，路径最佳性和稳定性而言，所提出的算法优于SSA。结果表明，在移动机器人路径计划中，所提出的方法更有效，健壮和可行。
人工智能（AI）面向自动驾驶和电动汽车的多模式学习和决策框架
摘要。通过多学科方法实现技术创新，可以实现自动驾驶电动汽车。电动汽车利用环境条件，在当今世界备受青睐。另一个很好的可能性是努力让汽车在提供指令的情况下自行驾驶（自动驾驶）。当两者结合在一起时，它会带来环境安全和技术驱动驾驶的不同维度，也有许多优点和缺点。它仍处于起步阶段，还有许多研究需要开展。在此背景下，本文旨在构建一个人工智能（AI）框架，该框架具有双重目标：“监控和调节电力使用”，并通过技术驱动和实时知识促进自动驾驶。提出了一种包含多种深度学习方法的方法。例如，深度学习用于车辆定位、高级路径规划和低级路径规划。除此之外，还有强化学习和迁移学习来加速获取实时商业智能的过程。为了促进从给定场景中实时发现知识，边缘和云资源都被适当利用以使车辆受益，因为驾驶安全至关重要。有一个电源管理模块，其中使用模块化循环神经网络。另一个称为速度控制的模块用于实时控制车辆的速度。AI框架的使用使得电子和自动驾驶汽车在电源管理和安全自动驾驶方面实现了前所未有的可能性。关键词：人工智能、自动驾驶、循环神经网络、迁移学习。
乔治·P·康图迪斯
· “使用高斯过程的分散式信息路径规划”，NSF FRR-NRI PI 会议，美国巴尔的摩，2024 年。[海报展示] · “最佳运动动力学运动规划和信息路径规划”，计算机科学与机器人研讨会，科罗拉多矿业学院，美国戈尔登，2024 年。[口头报告] · “使用高斯过程的分散式联邦学习”，IEEE 多机器人和多智能体系统国际研讨会 (MRS)，美国波士顿，2023 年。[口头报告] · “高斯过程的自适应探索-利用主动学习”，IEEE/RSJ 智能机器人与系统国际会议 (IROS)，美国底特律，2023 年。[口头和海报展示] · “使用高斯过程替代物的预期方差减少进行自适应采样的闭式主动学习”美国控制会议（ACC），美国圣地亚哥，2023 年。[口头报告]·“用于多机器人系统探索的分散高斯过程学习”马里兰机器人中心研究研讨会，美国学院公园，2023 年 5 月。[口头报告 - 特邀演讲]·“用于自适应采样的高斯过程替代品的可扩展探索-利用主动学习”马里兰机器人中心研究研讨会，美国学院公园，2023 年 5 月。[海报展示]·“使用分散高斯过程的多机器人自适应采样”，分布式自主机器人系统国际研讨会（DARS），法国蒙贝利亚尔，2022 年 11 月。[海报展示]
无人机航空电子系统架构、分类和集成的进展：全面回顾和未来展望
摘要 — 无人驾驶飞行器 (UAV) 或无人机的航空电子系统是机载关键电子元件，用于调节、导航和控制无人机飞行，同时确保公共安全。现代无人机航空电子设备共同协作，通过实现稳定的通信、安全的识别协议、新颖的能源解决方案、多传感器精确感知和自主导航、精确的路径规划来促进无人机任务的成功，从而保证避免碰撞、可靠的轨迹控制和无人机系统内的高效数据传输。此外，必须特别考虑电子战威胁的预防、检测和缓解，以及与无人机操作相关的监管框架。本综述介绍了每种无人机航空电子系统的作用和分类，同时介绍了每种系统中可用替代方案的缺点和优点。调查了无人机通信系统、天线和位置通信跟踪。介绍了响应空对空或空对地询问信号的识别系统。讨论了无人机经典和更创新的电源。感知系统的快速发展提高了无人机的自主导航和控制能力。本文回顾了常见的感知系统、导航技术、路径规划方法、避障方法和跟踪控制。现代电子战使用先进技术，必须采用同样先进的方法来应对，以保证公众安全。因此，本文详细介绍了常见的电子战威胁以及最先进的对抗措施和防御措施。此外，本文还在国家监管框架和认证流程的背景下分析了无人机安全事件。最后，本文回顾了无人机的数据总线通信和标准，因为它们能够实现高效、快速的实时数据传输。
空海一体的海洋物联网系统
摘要 —随着即将到来的第六代 (6G) 中通过空中和太空飞行器实现的非地面网络 (NTN) 的发展，海洋物联网 (IoT) 系统得到了大幅发展，从而有助于环境保护、军事侦察和海上运输。然而，由于气候变化不可预测以及海上网络的极端信道条件，有效可靠地收集和计算大量海上数据具有挑战性。在本文中，我们提出了一种用于海洋物联网系统的空间-空-海一体化网络中的混合低地球轨道 (LEO) 和无人机 (UAV) 边缘计算方法。具体而言，安装在无人机和 LEO 卫星上的两种边缘服务器具有计算能力，可实时利用从海洋物联网传感器收集的大量数据。我们的系统旨在通过联合优化通信和计算的比特分配以及在延迟、能量预算和操作约束下的无人机路径规划，最大限度地降低电池受限无人机的总能耗。为了实现可用性和实用性，根据低地球轨道 (LEO) 卫星的可达性，利用逐次凸近似 (SCA) 策略，为三种不同情况开发了所提出的方法，“始终开启”、“始终关闭”和“中间断开”。通过数值结果，我们验证了与仅为无人机的比特分配或轨迹设计的部分优化方案相比，通过联合优化比特分配和无人机路径规划，可以在所有低地球轨道可达性情况下节省大量能源。索引词——海洋网络、物联网 (IoT)、边缘计算、低地球轨道 (LEO) 卫星、无人机 (UAV)、逐次凸近似 (SCA)。
为期三天的智能全国研讨会......
为期三天的全国研讨会“通过人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 实现智能自动化”的主要目的是向学生介绍使用特征工程和机器学习技术进行的深度学习工业研究工作的激动人心的应用。主要主题是卷积神经网络、循环神经网络、自动编码器、受限玻尔兹曼机等。还讨论了自然语言处理、计算机视觉、路径规划等领域的应用。本次研讨会的主要目标必须概述 Python 和 R 编程语言并提供机器学习和深度学习模型的实践经验。
