XiaoMi-AI文件搜索系统
World File Search System遍历
使用漫游者的主动悬架系统作为2轴太阳能跟踪器
在犹他州（2016）和摩洛哥（2018）成功完成了两个为期4周的野外部署后，Sherpatt Rover正在为在类似于火星环境的地形上进行进一步的自动长途横路。但是，它具有燃料的发电机，该发电机无法在超地面场景中使用。漫游者旨在提高更高的技术准备水平，因此提出了光电功率子系统来指导未来的设计迭代。本文介绍了两个火星任务地点考虑的太阳阵列尺寸，设计和集成过程：在2°S处的IANI混乱和34°N的Ismenius Cavus。提出了一个用于主动悬架系统的替代用例，以便所提出的太阳阵列可以倾向于和将其定向到比用被动悬架漫游者获得的功率生成配置中更有利的。在拟议的情况下，在IANI混乱和伊斯梅尼乌斯洞穴中，有效的太阳能电池取向分别导致越来越明显的遍历高达34％和25％。
Helicat-darts：一个高保真，闭环旋翼飞行器模拟器，用于行星探索
旋翼飞机为探索外星环境提供了独特的功能。与诸如漫游者之类的勘探工具相比，旋翼船能够越来越快地到达感兴趣的目的地。此外，它们只需要合适的起飞和降落区，并且可以飞越由于障碍物或粗糙地形而可能无法遍历流浪者可能无法穿越的地形。这些优势激发了火星的创造任务，该任务涉及第一个飞行火星的旋翼飞机[1]。这项任务的成功继续激励未来的任务，例如可能使用直升机来返回火星样本[2]。设计一种在火星氛围环境中运行的首个旋翼飞机，需要进行设计，开发和操作的独特工具。在开发的工具中是Helicat-darts（简单地称为简洁的Helicat），用于旋转动力学建模和仿真。此仿真工具是指导，导航和控制（GNC）算法和软件开发的测试床，并作为分析飞行性能和动态的工具。Helicat在Ingenuity任务的整个生命周期中都使用，包括以下内容：
基于文本分析和机器学习方法在开发信息系统中检测入侵
摘要该论文分析了网络安全的主要概念和网络安全技术，研究了在网络安全中使用人工智能的特征，分析了机器学习的应用方法，并介绍了有关机器学习方法在网络安全中应用的实验研究结果。在这项工作中，将实施基于智能文本分析技术的主机入侵检测系统。工作描述了数据源可能面临的困难，例如，患有复杂功能的方法。本文提出了用于检测SQL注入，XS和路径遍历攻击的方法的分类，并为指定模型提供了性能测量。使用渗透测试方法。该技术检测到与最流行的攻击有关的漏洞，例如SQL注入（SQLI），跨站点脚本（XSS）和敏感数据披露。提出了安全解决方案和建议，即IT管理员可以用作保护系统免受网络犯罪威胁的指南。因此，通过修复所有检测到的漏洞以实现基本安全标准，可以证实拟议系统的有效性。使用文本分析技术开发了基于主机的入侵检测系统（HID）。
博士的标题论文
在ADS 4时期的Brane上首次检查，提供了证据表明这些量子效应增强了弱宇宙审查制度，从而增强了黑洞地平线的稳定性。随后，考虑了在不同位置的叠加中由点状源产生的时空几何形状。表明，量子校正是由位置不确定性引起的，对常规的Schwarzschild奇异性进行了切除，并在非词性黑洞和可遍历的虫洞之间产生常规的几何形状。此外，构建了一类广泛的De-Sitter核非核黑洞模型，该模型由各向异性流体采购，该模型被认为可以编码量子 - 重力校正。表明这些解决方案具有几个有趣的特征：存在额外的且可能是超级普兰克的“量子”头发，一种常规的极端黑洞状态和热力学相过渡，偏爱带有超级普兰克头发的黑洞。随后使用常规黑洞保留这些特征的二维模型来解决信息损失问题：检查了半经典级别的蒸发过程，包括反应效应。发现辐射纠缠
通过抽象学习：神经状态机
我们引入了神经状态机，力求弥合人工智能的神经和符号视图之间的差距，并整合它们互补的优势以完成视觉推理任务。给定一张图像，我们首先预测一个表示其底层语义并作为结构化世界模型的概率图。然后，我们对图进行顺序推理，迭代遍历其节点以回答给定的问题或得出新的推论。与大多数旨在与原始感官数据紧密交互的神经架构不同，我们的模型在抽象的潜在空间中运行，通过将视觉和语言模态转换为基于语义概念的表示，从而实现增强的透明度和模块化。我们在 VQA-CP 和 GQA 上评估了我们的模型，这两个最近的 VQA 数据集涉及组合性、多步推理和多样化的推理技能，在这两种情况下都取得了最先进的结果。我们进行了进一步的实验，说明了该模型在多个维度上的强大泛化能力，包括概念的新组合、答案分布的变化和看不见的语言结构，证明了我们方法的质量和有效性。
无人机三维建筑模型对比评估
随着建筑、工程和施工 (AEC) 行业越来越重视可持续性和资源效率，无人机 (UAV) 和地面激光扫描仪 (TLS) 已成为使用 3D 建模监测和检查建筑结构的不可或缺的工具。本研究致力于评估无人机摄影测量和 TLS 技术在建筑物及其结构部件的 3D 建模中获得的质量和准确性。调查涉及无人机在目标结构周围进行天底和倾斜飞行任务以采集数据，利用六 (6) 个地面控制点 (GCP)，而 TLS 数据收集采用通过遍历方法的直接地理参考。结果表明，TLS 由于其点云密度更高而产生了卓越的表面重建质量，而无人机数据满足众多应用的要求，提供了一种方便且经济可行的数据采集解决方案。至于准确性，从两种仪器上都可以辨别出建筑物物体，差异很小，达到厘米级的精度。这些发现不仅凸显了无人机和 TLS 在优化 3D 建模过程中的潜力，而且还为从事城市规划、建筑设计和结构分析工作的专业人士提供了实用的见解。
使用虚幻引擎中的人工智能进行游戏开发
简单的“基于网格的寻路”，其中地形被映射到均匀正方形的刚性网格上，并将寻路算法（例如 A* 或 IDA*（图形遍历））应用于网格。[8][9][10] 有些游戏不只是使用刚性网格，而是使用不规则多边形，并从 NPC 可以步行到的地图区域组装导航网格。[8][11] 作为第三种方法，开发人员有时可以方便地手动选择 NPC 应该用来导航的“路径点”；但代价是，这样的路径点可能会产生不自然的运动。此外，在复杂环境中，路径点的表现往往比导航网格差。[12][13] 除了静态寻路之外，导航是游戏 AI 的一个子领域，专注于让 NPC 能够在动态环境中导航，找到通往目标的路径，同时避免与其他实体发生碰撞。相比改进游戏 AI 以妥善解决虚拟环境中的难题，修改场景使其更易于处理往往更具成本效益。如果寻路因特定障碍物而陷入困境，开发人员可能最终会移动或删除该障碍物。[14] 2. 文献综述
呼唤具身人工智能
我们提出，具身人工智能 (E-AI) 是追求通用人工智能 (AGI) 的下一个基本步骤，并将其与当前的人工智能进步（尤其是大型语言模型 (LLM)）进行比较。我们遍历了具身概念在不同领域（哲学、心理学、神经科学和机器人技术）的演变，以强调 E-AI 如何区别于传统的静态学习范式。通过扩大 E-AI 的范围，我们引入了一个基于认知架构的理论框架，强调感知、动作、记忆和学习是具身代理的基本组成部分。该框架与 Friston 的主动推理原则相一致，为 E-AI 开发提供了一种全面的方法。尽管人工智能领域取得了进展，但仍存在重大挑战，例如制定新颖的人工智能学习理论和创新先进硬件。我们的讨论为未来的 E-AI 研究奠定了基础指导方针。我们强调创建能够在现实环境中与人类和其他智能实体进行无缝通信、协作和共存的 E-AI 代理的重要性，我们的目标是引导 AI 社区应对多方面的挑战，并抓住 AGI 探索过程中的机遇。
迈向自动消防无人机：在线计划者...
抽象无人机技术正在迅速发展，并且在培养操作过程中代表了显着的好处。本文提出了一种新型的方法，用于无人驾驶汽车（无人机）的自主装修任务。提议的无人机框架由一个本地规划师模块组成，该模块发现了无障碍物的路径，可以将车辆引导到目标区域。检测到目标点后，无人机计划采用最佳轨迹，以进行灭火球的精确弹道发射，从而利用其运动学。生成的轨迹最小化了整体遍历时间和最终状态误差，同时尊重无人机动态限制。在模拟和实际测试中都评估了所提出的系统的性能，并具有随机定位的障碍物和目标位置。该拟议框架已在国际无人飞机系统会议（ICUAS）的2022年无人机竞争中采用，在该竞赛中，它在模拟和实际情况下，在越来越多的困难越来越多的困难中成功完成了任务，从而在整体上获得了第三名。本文的视频附件可在网站上https://www.youtube.com/watch?v=_hdxx2xxkvq。
随时协作大脑的补充信息...
对于每个组大小和一对决策集成方法，我们比较了所有可能的小组获得的所有方法的准确性。然后，我们应用了Wilcoxon签名的等级测试，以获得统计显着性的度量。正如其中一位审稿人正确指出的那样，Wilcoxon签名的等级测试要求所有观察结果彼此独立：在我们的情况下，这种假设可能违反，因为不同的群体可能共享很大比例的个体。要验证这是否可能是一个问题，我们将自己置于零假设中，即测试的聚合方法对不会改变记录的组绩效。因此，我们遍历了每个组，然后随机交换了通过测试的两种方法获得的精度，然后运行Wilcoxon签名的等级测试。我们重复了此过程10,000，并确定了所得数据集中的第5个百分位数。这代表标准置信度，α= 0.05。Wilcoxon测试以所有组尺寸和成对的聚合方法的p值在第5个百分点中返回的P值非常接近0.05。对于巡逻实验，它们为0.05041±0.00205，前哨实验为0.05021±0.00441。这表明与样品独立性相关的任何潜在问题都是最小的，并在我们的实验中验证了Wilcoxon签名的等级测试的使用。