XiaoMi-AI文件搜索系统
World File Search System轨迹规划
深部脑刺激自动轨迹规划的帕累托前沿与加权和
摘要。深部脑刺激 (DBS) 的术前路径规划是一个多目标优化问题，即在多个放置约束之间寻找最佳折衷点。它的自动化通常通过使用聚合方法将问题转变为单目标来解决。然而，尽管这种方法很直观，但它以无法找到所有最优解而闻名。在本文中，我们引入了一种基于多目标优势的 DBS 路径规划方法。我们将它与经典的多个约束的聚合加权和以及由神经外科医生对 14 个 DBS 病例进行的回顾性研究的手动规划进行了比较。结果表明，基于优势的方法优于手动规划，并且与传统的加权和方法相比，它涵盖了更多相关的最佳切入点选择，因为传统的加权和方法会丢弃外科医生可能喜欢的有趣解决方案。
地月空间自主轨迹规划
随着地月空间民用和国防基础设施的不断扩大，有效的轨迹规划技术将成为地月空间探索的关键组成部分。通过在地月空间快速部署资产来应对可能存在的威胁，需要一种能够快速向决策者提供多种可行轨迹选项的方法。本研究展示了一种使用聚类和其他机器学习技术快速生成穿越地月空间的候选轨迹的过程。本文介绍了几种在各种周期轨道之间自主构建转移的示例。本研究侧重于减少用户输入以开发轨迹，而传统方法则需要行业专家进行耗时的分析。与近地动力学相比，敏感的地月动力学是一种新范式，本研究试图利用新技术应对有效评估和生成穿越该空间的可行路径的挑战。
一种新型手术规划系统，使用人工智能模型来优化具有最高骨矿物质密度和最强拉出力的椎弓根螺钉轨迹规划
目的 本研究旨在评估一种新型人工智能 (AI) 模型在骨质疏松患者中识别具有更高骨矿物质密度 (BMD) 和更高拉出力 (POF) 的优化椎弓根螺钉轨迹的能力。方法使用 3D 图形搜索和基于 AI 的有限元分析模型开发了一种创新的椎弓根螺钉轨迹规划系统（称为 Bone's Trajectory）。回顾性分析了 21 名老年骨质疏松患者术前 CT 扫描。AI 模型自动计算替代椎弓根轨迹的数量、轨迹 BMD 和估计的 L3-5 POF。记录优化轨迹的最高 BMD 和最高 POF，并将其与 AO 标准轨迹进行比较。结果 患者平均年龄为 69.6 ± 7.8 岁，平均椎体 BMD 为 55.9 ± 17.1 mg/ml。在 L3–5 的两侧，优化轨迹的 BMD 和 POF 明显高于 AO 标准轨迹（p < 0.05）。平均而言，优化轨迹螺钉的 POF 至少比 AO 轨迹螺钉增加 2.0 倍。结论 新型 AI 模型在选择 BMD 和 POF 高于 AO 标准轨迹的优化椎弓根轨迹方面表现良好。
三角形轨迹规划已采用 11...
已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养 已收养2021年 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 11月23日, 2021年 十一月 23, 2021年 十一月2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 11月23日, 2021年 11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日 2021年11月23日
通过脑电信号增强机器人智能，避免智能轮椅的轨迹规划错误
摘要 辅助机器人在复杂的环境中运行，并有人类在场，但它们之间的交互可能受到多种因素的影响，从而导致不良结果：错误的传感器读数、意外的环境条件或算法错误只是可能出现的场景的几个例子。当用户的安全不仅是一种选择，而且必须得到保证时，一个可行的解决方案是依靠人机回路方法，例如，监控机器人在执行任务期间是否执行了错误操作，或者环境条件是否影响人机交互期间的安全，并相应地提供反馈。本文提出了一种人机回路框架，以实现电动和传感器（智能）轮椅的安全自主导航。在室内场景中，轮椅向所需目的地导航时，轨迹上可能存在的问题（例如障碍物）会在用户注意到时产生脑电图 (EEG) 电位。这些电位可用作导航算法的额外输入，以修改轨迹规划并确保安全。该框架已经通过使用在 ROS 和 Gazebo 环境中实现的轮椅模拟器进行了初步测试：对文献中已知基准的 EEG 信号进行分类，传递到自定义模拟节点，并提供给导航堆栈以执行避障。
采用一种新颖的 TF/TA 最优飞行轨迹规划...
摘要。本文提出了一种新方法，以增强保形映射在地形跟随 (TF) 和地形规避 (TA) 飞行中最佳轨迹规划过程中的应用。新方法使用保形映射概念作为修饰工具，将由于存在障碍物而导致飞行高度受限的受限轨迹规划问题转换为没有障碍物和最小高度约束的再生问题。在这方面，利用 Schwarz-Christoel 定理将高度约束纳入飞机动态运动方程。然后通过数值方法（即直接 Legendre-Gauss-Radau 伪谱算法）求解再生的最优控制问题。优化了飞行时间、地形遮蔽和气动控制力的综合性能指标。此外，为了获得真实的轨迹，在求解算法中将飞机的最大爬升率和下降率作为不等式约束。二维飞行场景的几个案例研究表明该方法在 TF/TA 轨迹规划中的适用性。大量模拟证实了所提方法的有效性，并验证了解决方案的可行性，满足了问题的所有约束。
舰载飞机-拖拉机的轨迹规划与跟踪...
如何自主规划出协同运动轨迹并及时准确地控制舰载机的运动是提升整体甲板作业效率的关键。本文主要讨论的问题是多舰载机协调轨迹规划策略及牵引机与舰载机的协同控制。首先，建立无拖杆牵引系统运动学模型和三自由度动力学模型；其次，提出一种飞机系统协同进化机制以确保多飞机协调轨迹规划并基于混合RRT∗算法生成适应于牵引机系统的轨迹；其次，在不完全约束和各种物理条件约束下，设计双层闭环控制器实现甲板上牵引机系统的轨迹跟踪。外层模型预测控制器有效控制载机与牵引车的协同运动，内层基于自适应模糊PID控制的力矩控制策略严格保证系统的稳定性。仿真结果表明，与反步控制和LQR算法相比，该控制器具有更快、更精确的控制速度，对有初始偏差的直线轨迹、大曲率正弦曲线、甲板上的复杂轨迹具有更强的鲁棒性。
开发适应机器人机械手多项式轨迹规划特性的人工智能方法
摘要 — 当轨迹类型已知时，可以使用数学方法计算机器人操纵器的轨迹规划。然而，由于复杂的数学方程和推导，传统的数学方法变得难以实现。本研究介绍了使用人工神经网络 (ANN) 来克服这些限制，通过求解非线性函数并适应轨迹规划的特点。本研究利用虚拟三自由度 (DOF) 机器人操纵器。将对 ANN 的超参数进行分析和选择，以获得 ANN 的最佳性能。最后，将使用样本数据通过将实际结果（数学方法）与 ANN 结果进行比较来评估开发的 ANN 拓扑的稳健性。 索引术语 — 人工神经网络、正向运动学、轨迹规划、机器人操纵器
基于视觉的小型无人机系统相对位置估计与拦截轨迹规划
13. 摘要（最多 200 个字）无人机系统 (UAS) 的普及加剧了恶意行为者利用该技术进行恶作剧或伤害的不对称威胁。现有的地面解决方案受到视线的限制，而人工操作的响应无人机响应速度较慢且劳动强度较大。因此，需要具备基于视觉的自主追击和拦截未经授权的无人机的能力。为了解决这个问题，作者开发了一种计算机视觉 (CV) 算法，用于在现场条件下检测、跟踪和估计悬停和移动的空中小型 UAS 目标的相对位置和范围。将基于 CV 的测量结果与 GPS 数据进行比较，以评估 CV 算法的范围和角度估计性能。然后，飞行控制算法利用简单的角度制导原理处理 CV 估计的范围和角度信息以追击和拦截目标。使用原型无人机对该算法进行了现场测试。这项研究将为商用现货反无人机能力的概念设计和硬件实现选择提供参考。更广泛地说，这项研究为自主物体跟踪应用的知识体系做出了贡献。