XiaoMi-AI文件搜索系统
World File Search System轨迹数据
mftraj：无图，行为驱动的轨迹预测
本文介绍了用于自动驾驶的轨迹预测模型，重点是动态流量sce-narios中的复杂相互作用，而不依赖高清图。该模型，称为MFTRAJ，利用历史轨迹数据与新型动态图基于行为感知的模块相结合。以自适应结构感知的交互式卷积网络在其核心上捕获了道路使用者的正常和行为特征，并提供了时空的复杂性。通过线性注意机制增强，该模型达到了计算效率并降低了参数开销。对Argoverse，ngsim，HighD和MoCAD数据集进行评估强调了MFTRAJ的鲁棒性和适应性，即使在数据挑战的方案中，也不需要获得其他信息，例如HD MAPS或矢量化映射，甚至超过了数字基准。重要的是，即使在情况下，它仍保持竞争性能，这些竞争性能与大多数现有的最新模型相当。结果和方法表明，自主驾驶轨迹预测的显着进步，为更安全，更有效的自主系统铺平了道路。
计算流体动力学的使用、应用和挑战...
摘要 外挂与母机的兼容性需要大量的数据，包括结构、空气动力学和电磁数据。数据的可用性和使用可以确保或警告外挂在飞机上被处理和释放时会如何反应，以及飞机在指定的运载位置携带外挂时的表现。通常，获取数据的成本和时间会导致程序冲突。当今的环境利用建模和仿真的优势，以最及时和最具成本效益的方式获取尽可能多的数据。计算流体动力学 (CFD) 提供了模拟飞行测试和地面测试以获得空气动力学和轨迹数据的方法。通常，CFD 通过填补空白和扩展数据来支持在风洞测试中收集的数据。有时 CFD 提供了解飞行测试所需的外挂兼容性条件所需的所有空气动力学数据。25 年来，空军 SEEK EAGLE 办公室 (AFSEO) 一直引领使用 CFD 支持商店兼容性。本讲义介绍了 AFSEO 使用 CFD 的标准做法以及未来面临的挑战。
从历史数据中识别飞行效率低下的根源...
摘要 — 本文提出了一套旨在捕捉飞机运行对环境影响的新绩效指标 (PI)。其贡献有三方面：计算最佳轨迹以将其与历史轨迹进行比较，并得出几个飞行效率 PI；提出了一系列基于燃料的 PI，其中燃料仅从不需要机密数据的监视轨迹数据集中估算；并提出了不同的 PI 和变体，旨在分离和识别不同的环境效率低下来源，区分那些可能归因于不同空中交通管理 (ATM) 层的，以及那些可归因于空域用户 (AU) 的。对两天的不同情况进行了案例研究，其中使用拟议的 PI 对 24 小时内穿越 FABEC 空域的所有交通的飞行效率进行了评估。主要结果表明，当以最大航程运行且无航路收费的完全免费航线作为最佳航迹的参考时，可归因于 ATM 的平均燃油效率约为 250 公斤（7.8%）。AU 引起的燃油效率（由于飞行速度超过最大航程速度）平均约为 100 公斤（3%）。还得出结论，垂直和水平轨迹域中的燃油效率对整体飞行效率的贡献相似。然而，战略层面的水平效率更高，而 n
基于在线人工视觉和深度神经网络的激光金属沉积轨迹几何预测
激光金属沉积 (LMD) 是一种增材制造技术，它吸引了业界的极大兴趣，因为它有可能将具有复杂几何形状的零件一次性制成，并修复损坏的零件，同时保持良好的机械性能。然而，该工艺的复杂性限制了它的广泛应用，因为不同的零件几何形状、策略和边界条件会在外部形状和内部缺陷方面产生非常不同的结果。此外，在工艺执行过程中监控零件质量非常具有挑战性，因为直接测量结构和几何特性大多是不切实际的。这项工作提出了一种 LMD 在线监控和预测方法，该方法利用同轴熔池图像以及工艺输入数据来估计 LMD 沉积的轨道大小。特别是，一种新颖的深度学习架构将卷积神经网络的输出（以熔池图像为输入）与标量变量（工艺和轨迹数据）相结合。评估了各种网络架构，建议使用至少三个卷积层。此外，结果表明密集层的数量和大小具有一定程度的不变性。通过使用航空航天和汽车领域的相关材料 Inconel 718 粉末通过 LMD 沉积的单轨进行的实验，证明了所提出方法的有效性。
文章 TuSeSy：用于自动跟踪飞机和降落伞的智能转盘伺服系统
摘要：空投试验中飞机与降落伞的跟踪至关重要，需要研究降落伞的打开状态和飞行轨迹，如何高效准确地获取降落伞的形变数据和轨迹数据成为越来越多学者的研究方向。目前实际的数据采集主要由实验人员手持高清高速摄像机对降落伞进行跟踪拍摄，获得空投过程中降落伞的图像序列，但这些方法无法获得降落伞的运动轨迹，且易受人为因素的干扰。本文设计了TuSeSy智能转台伺服系统，可自动跟踪空投试验中的飞机与降落伞，具体而言，TuSeSy根据实际拍摄图像与跟踪算法推断图像的差异生成控制指令（从而真正跟踪目标）。此外，我们提出了一种基于图像帧差和光流的有效多目标跟踪切换算法，实现了空投试验中从飞机到降落伞的实时切换。为了评估TuSeSy的性能，我们进行了大量的实验；实验结果表明，TuSeSy不仅解决了错误目标跟踪的问题，而且还降低了计算开销。此外，与其他跟踪切换方法相比，多目标跟踪切换算法具有更高的计算效率和可靠性，确保了转台伺服系统的实际应用。
TuSeSy：用于自动跟踪飞机和降落伞的智能转盘伺服系统
摘要：跟踪飞机与降落伞在空投试验中起着至关重要的作用。研究降落伞的打开状态和飞行轨迹是十分必要的。如何高效准确地获取降落伞的形变数据和轨迹数据，越来越多的学者开始研究。目前，实际的数据采集主要由实验人员手持高清高速摄像机对降落伞进行跟踪拍摄，获得降落伞在空投过程中的图像序列。但这些方法无法获得降落伞的飞行轨迹，且易受人为因素的干扰。本文设计了一种智能转台伺服系统TuSeSy，可自动跟踪空投试验中的飞机与降落伞。具体来说，TuSeSy根据实际拍摄图像与跟踪算法推断图像之间的差异生成控制命令（从而真正跟踪目标）。此外，我们提出了一种有效的基于图像帧差异和光流的多目标跟踪切换算法，实现了空投试验中从飞机到降落伞的实时切换。为了评估TuSeSy的性能，我们进行了大量实验；实验结果表明，TuSeSy不仅解决了错误目标跟踪的问题，而且还降低了计算开销。此外，与其他跟踪切换方法相比，多目标跟踪切换算法具有更高的计算效率和可靠性，确保了转台伺服系统的实际应用。
机场探测监视定位误差分析
摘要 目的——监视设备是当前空中交通管制系统中最重要的部分之一。它提供飞机位置和其他相关信息，包括飞行参数。然而，现有的监视设备在真实位置和检测位置之间存在一定的位置误差。操作员必须了解并考虑监视系统中位置误差的幅度和频率特征，因为这些误差会影响飞机运行的安全性。本研究旨在开发用于分析这些监视位置误差的仿真模型，以提高机场飞机的安全性。 设计/方法/方法——本研究调查了机场地面监视系统的机场表面检测设备中观察到的位置误差的特征，并提出了一种实用的方法来数字地再现误差的特征。 结果——所提出的方法比另一种简单方法更准确地表示位置误差。本研究还讨论了计算结果在微观仿真建模环境中的应用。 实际意义——从雷达轨迹数据分析监视误差，并配置一个随机生成器来实现这些数据。这些数据通过应用程序编程接口用于航空运输模拟，可应用于模拟中的飞机轨迹数据。随后，在实际模拟中使用额外的构建环境数据来从模拟引擎获得结果。原创性/价值——所提出的监视误差分析和模拟及其实施计划有望对航空运输安全模拟有用。
社会转移：迅速的人类轨迹预测
准确的人类轨迹预测对于诸如Au sostos evers，机器人技术和监视系统等应用至关重要。然而，现有模型通常无法完全利用非语言社会提示在浏览空间时潜意识的人类信息。为了解决这个问题，我们介绍了社会转变，这是一个基于通用变压器的模型，利用多样化和众多的视觉提示来预测人类行为。我们将提示的想法从自然语言处理（NLP）转化为人类轨迹预测的任务，其中提示可以是地面上的X-y坐标序列，图像平面中的边界框或2d或3d中的身体姿势关键点。这又增加了轨迹数据，从而导致人类轨迹预测增强。使用掩蔽技术，我们的模型通过基于可用的视觉提示捕获代理之间的空间相互作用来表现灵活性和适应性。我们深入研究了使用2D与3D姿势的优点，以及一组有限的姿势。另外，我们研究了空间和时间注意图，以确定序列中哪些关键点和时间步骤对于优化人类轨迹预测至关重要。我们的方法在多个数据集上得到了验证，包括JTA，JRDB，行人和骑自行车的人在道路交通和Eth-Cucy中进行验证。该代码公开可用：https：//github.com/vita-epfl/social-transmotion。
使用量子计算从叠后地震数据中估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心
使用量子计算从叠后地震数据估计地震阻抗 Divakar Vashisth* 和 Rodney Lessard，SLB 软件技术创新中心 摘要 量子计算越来越被认为是地球物理学的一项变革性技术，它有可能显著提高计算能力和效率。这一进步有望以前所未有的速度模拟和处理复杂的地质数据。最近的研究已经开始探索将量子计算方法应用于简化版本的地震反演问题，强调该技术解决现实世界逆问题的能力。本研究的主要目的是通过使用量子计算机从地震轨迹数据估计声阻抗来解决一个现实、可扩展且与业务相关的问题。据我们所知，这是第一次通过量子计算从地震数据预测地震阻抗，并讨论了在量子处理单元 (QPU) 上解决逆问题的优势。在本文中，我们利用 D-Wave 量子退火器来解决叠后地震反演问题，采用了一种新颖的两步工作流程。在第一步中，我们利用量子退火器从地震数据中估计反射率。随后，这些估计的法向入射反射率作为使用相同量子技术预测声阻抗的基础。为了验证我们方法的有效性，我们提供了五个示例，将 D-Wave 量子退火器的阻抗预测与通过模拟退火（传统上用于地震反演的随机全局优化器）获得的阻抗预测并列。值得注意的是，从量子退火器得出的阻抗仅在一个时期内就与真实值紧密匹配，而模拟退火需要 10 个时期才能达到类似的精度。此外，我们的混合求解器中的 QPU 仅花费约 0.08 秒即可估计这些地震阻抗。与混合求解器的经典组件和模拟退火所需的时间相比，这非常高效，后两者均需要超过 10 秒。这凸显了 QPU 可以在不到一秒的时间内完全解决地震逆问题，凸显了量子计算对地球物理学领域的变革性影响。 引言 量子计算是一个新兴领域，它利用量子力学原理来处理信息，为传统计算带来了范式转变。与以比特为信息基本单位的传统计算机相比，量子计算机