XiaoMi-AI文件搜索系统
World File Search System避让
双被动反应脑机接口 - bioRxiv
本研究提出了一种新的神经自适应技术概念，即双被动-反应脑机接口 (BCI)，可实现人机之间的双向交互。我们已经在逼真的飞行模拟器中实现了这样一个系统，使用 NextMind 分类算法和框架来解码飞行员的意图 (反应性 BCI) 并推断他们的注意力水平 (被动 BCI)。12 名飞行员使用反应性 BCI 执行检查表以及由被动 BCI 监督的防撞雷达监控任务。当后者检测到飞行员错过了即将到来的碰撞时，它会模拟自动避让动作。反应性 BCI 达到 100% 的分类准确率，平均反应时间为 1 。专门执行检查表任务时为 6 秒。准确率高达 98 。5% ，平均反应时间为 2 。5 秒，飞行员还必须驾驶飞机并监视防撞雷达。被动 BCI 的 F 1 − 得分为 0 。94 。首次演示展示了双 BCI 改善人机协作的潜力，可应用于各种应用。
双被动反应脑机接口
本研究提出了一种新的神经自适应技术概念，即双被动-反应脑机接口 (BCI)，可实现人与机器之间的双向交互。我们在逼真的飞行模拟器中实现了这样一个系统，使用 NextMind 分类算法和框架来解码飞行员的意图（反应性 BCI）并推断他们的注意力水平（被动 BCI）。12 名飞行员使用反应性 BCI 执行检查单以及由被动 BCI 监督的防撞雷达监控任务。当后者检测到飞行员没有遇到即将到来的碰撞时，它会模拟自动避让动作。当仅执行检查单任务时，反应性 BCI 的分类准确率达到 100%，平均反应时间为 1.6 秒。当飞行员还必须驾驶飞机并监控防撞雷达时，准确率高达 98.5%，平均反应时间为 2.5 秒。被动 BCI 的 F 1 − 得分为 0.94。首次演示展示了双 BCI 改善人机协作的潜力，可应用于各种应用。
航空通告 民航局
跑道安全计划第 1 部分 - 简介 1.1 着陆和起飞是飞行的关键阶段，而跑道是着陆和起飞的飞机可能与其他滑行飞机、地面车辆、人员、动物和异物发生相互作用的区域。鉴于飞机的速度及其在跑道上采取避让行动的能力有限，尤其是在起飞和着陆滑行期间，跑道入侵或异物的存在可能造成的潜在危险已成为许多国家对航空安全的深切关注。国际民用航空组织 (ICAO) 已制定了有关机场系统运营和制定运营程序的标准和建议做法，以实现跑道安全。我们很高兴地注意到，各航空公司、机场运营商和空中导航服务提供商已采取适当措施，以遵守国际民用航空组织的要求。然而，随着空中交通的预期增长和机场运营的日益复杂，我们认为，对跑道安全的承诺也应通过更系统的方法来实现，以确保一致和协调地应用国际民用航空组织的规定，并让所有利益相关者达成明确的目标和共识。此观点符合附件14的要求。为实现上述目标，澳门跑道安全计划旨在提供管理
![arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日](/simg/b\b4b7b976c54a7b9bb3f2c5993243a054a3a24786.webp)
arXiv:1904.08477v1 [cs.RO] 2019 年 4 月 17 日
预测将无人机系统 (UAS) 整合到国家航空航天 (NAS) 中的结果是一个复杂的问题，在允许 UAS 常规进入 NAS 之前，需要通过模拟研究来解决。本论文重点介绍使用博弈论方法提供 2D 和 3D 模拟框架，以评估有人驾驶和无人机共存场景中的整合概念。文献中的根本差距在于有人驾驶和无人机之间相互作用的模型不足：a) 它们假设飞行员行为是先验已知的，b) 它们忽视了决策过程。这项工作的贡献是提出了一个建模框架，其中使用强化学习和称为 k 级推理的博弈论概念来建模人类飞行员的反应以填补这一空白。k 级推理概念基于人类具有不同层次的决策的假设。强化学习是一种植根于人类学习的数学学习方法。在本研究中，我们采用经典和近似强化学习（神经拟合 Q 迭代）方法对飞行员在 2D 和 3D 机动中的延时决策进行建模。在有人驾驶飞机和配备感知和避让算法的全自动 UAS 存在的情况下，使用示例场景对 UAS 集成进行分析。
现场套件 | 无人机 U
E. 操作规则 1.遥控飞行员指挥 a. 术语 b.遥控飞行员指挥 c. 飞行员认证要求 d. 遥控飞行员指挥的紧急权力 2.视距避让和能见度要求 a.视线 b.视觉观察员 i.视觉观察员的定义 ii.使用视觉观察员时的操作要求 iii.可选择使用视觉观察员 iv.无需飞行员认证或视觉观察员培训 c. 额外的能见度要求 i. 白天操作 ii.天气/能见度最低值 iii.让行权 d.额外技术/显眼性要求 i. ADS-B、应答器和 TCAS ii.无线电设备 iii.照明 iv.显眼性 3.遏制和失去正面控制 a.密闭作业区域边界 i. 水平边界和移动车辆 ii.垂直边界（最大高度） b. 减轻失去正面控制的风险 i.最大速度 ii.操作多架无人机 iii.微型 UAS iv.飞越人群 v. 飞行前简报 vi.飞行前对操作区域进行评估并确保飞机不会造成不当危险 1.飞行前对操作环境进行评估 2.失去控制时可能造成的不当危险 vii.自动化 viii.其他设备 1.地理围栏
俄罗斯反卫星试验中预测和观察到的航天器遭遇情况的比较
本文对 2021 年 11 月 15 日进行的俄罗斯反卫星 (ASAT) 拦截试验进行了后续分析，该试验发射了一套 ASAT 武器系统来拦截和摧毁在轨的 COMOS 1408，这是一颗已报废的苏联电子情报 (ELINT) 卫星，于 1982 年发射。最初的分析估计了碎片事件产生的碎片将如何对航天器操作员、他们的 SSA 知识、他们检测和缓解高碰撞威胁事件的能力以及他们在大型星座框架内使用机动燃料产生不利影响。本文将这些最初的相遇率预测、对低地球轨道 (LEO) 航天器（尤其是太阳同步轨道上的航天器）的碰撞风险以及轨道寿命估计与运行飞行安全系统和服务检测到的实际会合和轨道寿命进行了比较。对连续模型和离散破碎模型中实际碎片碎片跟踪与碎片体积演变进行了比较。将我们最初的预测与实际情况进行比较，可以发现，最初的 ASAT 碎片轨道寿命预测与迄今为止在轨观测到的寿命非常接近，预测寿命比迄今为止观测到的寿命长约 25%。飞行安全和所需避让机动预测也得到了观测到的结合趋势的验证，俄罗斯 ASAT 试验在某些高度导致飞行安全性和可持续性降低多达 20%，在某些轨道条件下碰撞风险增加一倍。
全向多波束声纳监测 - IRD
摘要 通过中频全向多波束声纳获取的数据开发可用于开展渔业研究中的原始研究，但尽管大多数渔船和许多研究船上都配备了此类设备，但却很少使用。这是唯一用于实时监测船只或浮标周围水平全向平面内鱼群的系统。1996 年至 2001 年间，我们使用了两种标准全向声纳，并根据两种主要采样方案开发了利用其特定声学数据的新方法：“勘探”，包括捕鱼和搜索作业，以及“漂流”，如使用仪器浮标系统或在固定船只上。我们提出了一种从研究船或商船上连续采集数据的完整方法，并通过图片分析和数据处理方法自动提取数据。考虑了两种数据分析情况：第一种是基于逐个学校的“单校”模式；第二种模式考虑了在声纳采样范围内检测到的所有鱼群，即“集群”模式。基本声纳信息分为五类，包括 24 个调查和声纳参数以及 55 个鱼群、集群和渔民行为描述符。我们回顾了这些类别的应用，并讨论了它们在渔业科学中的应用前景。如果声纳系统能够评估船只避让对鱼群生物量评估的影响，那么简单的声纳回声积分过程就无法提供准确的丰度估计。全向声纳数据可用于集体分析鱼群的游泳速度、扩散和迁移方面的运动学、群体分裂和合并指数等聚集动力学、集群的空间特征（如鱼群密度）、二维结构和渔民行为。将这些数据整合到鱼群数据库中，包括多频回声测深仪和横向多波束（3D）声纳数据与物种识别方法相结合，将能够全面了解鱼群行为，从而采用准确的渔业管理方法。
全向多波束声纳监测 - IRD
摘要 通过中频全向多波束声纳获取的数据开发可用于渔业研究的原创性研究，但尽管大多数渔船和许多研究船上都配备了此类设备，但这种设备却很少使用。这是唯一一种用于实时监测船只或浮标周围水平全向平面内鱼群的系统。1996 年至 2001 年间，我们使用了两种标准全向声纳，并根据两种主要采样方案开发了利用其特定声学数据的新方法：“勘探”，包括捕鱼和搜索作业，以及“漂流”，如使用仪器浮标系统或固定船只。我们提出了一种从研究船或商业船上连续采集数据的完整方法，通过图片分析自动提取数据并采用数据处理方法。考虑两种数据分析情况：第一种是逐个鱼群进行分析，即“单群”模式；第二种是考虑声纳采样体积内检测到的所有鱼群，即“集群”模式。基本声纳信息分为五类，包括 24 个调查和声纳参数以及 55 个鱼群、集群和渔民行为描述符。我们回顾了这些类别的应用，并讨论了它们在渔业科学中的应用前景。如果声纳系统能够评估船只避让对鱼群生物量评估的影响，则简单的声纳回声积分过程无法提供准确的丰度估计。全向声纳数据可用于集体分析鱼群的游动速度、扩散和迁移方面的运动学、群体分裂和合并指标等聚集动力学、群体密度等集群的空间特征、二维结构和渔民行为。将这些数据整合到鱼群数据库中，包括多频回声测深仪和横向多波束 (3D) 声纳数据以及物种识别方法，将使我们能够全面了解鱼群行为，从而采用准确的渔业管理方法。
交通运输部 - GovInfo
C. 当前管理小型 UAS 的法定和监管结构 D. 通过制定规则将小型 UAS 操作整合到 NAS 中 E. 相关的 UAS 集成举措 III.最终规则讨论 A.渐进式方法和豁免 B.适用法定框架讨论 C. 适用性 1.运输财产以获得补偿（航空公司运营） 2. 国际运营和外国拥有的飞机 3.公共飞机运营 4.模型飞机 5.系留气球、风筝、业余火箭和无人自由气球 6.UAS 的当前处理和第 333 条豁免持有人的祖父条款 D. 定义 1.控制站 2.矫正镜片 3.无人机 4.小型无人机 5.小型无人机系统 (小型 UAS) 6.其他定义 E. 操作规则 1.遥控飞行员指挥 a. 术语 b.遥控飞行员指挥 c. 飞行员认证要求 d. 遥控飞行员指挥的紧急权力 2.视距避让和能见度要求 a.视线 b.视觉观察员 i.视觉观察员的定义 ii.使用视觉观察员时的操作要求 iii.可选使用视觉观察员 iv.无需飞行员认证或视觉观察员培训 c. 额外的能见度要求 i.白天作业 ii。天气/能见度最低值 iii。让行权 d。 额外技术/显眼性要求 i。 ADS-B、应答器和 TCAS ii。无线电设备 iii。照明 iv。显眼性 3。遏制和失去积极控制 a。密闭作业区域边界 i。 水平边界和移动车辆 ii。垂直边界（最大高度） b。 减轻失去积极控制的风险 i。最大速度 ii。操作多架无人机 iii。微型 UAS iv。飞越人员 vs. 飞行前简报 vi.飞行前评估操作区域并确保飞机不会造成不当危险 1.飞行前评估操作环境 2.失去控制时造成不当危险 vii.自动化
智能轮椅的多模式界面
随着世界人口的增长，轮椅的使用也随之增加。然而，从手动轮椅到电动轮椅的转变只标志着所用技术的差异，而对于许多有特殊需求的人来说，仍然无法使用。智能轮椅的重要性通过轮椅范式的变化得到了认可，因为它们集成了智能系统和自主行为，例如沿墙行走、障碍物检测和避让、按预先计算的轨迹自动移动或控制外部设备，因此可以接触到更多的用户。然而，功能数量越多，系统的复杂程度就越高，这对于有特殊需求的人来说是一个重要因素。在这方面，自适应多模式界面显得至关重要，因为它们可以适应每个用户的特定需求，并且由于多模式性，它们可以通过输入设备冗余以更直接的命令控制多个系统。本论文重点研究和分析与主题相关的主题的最新进展，涉及交互、界面、智能轮椅和 Intellweels 项目的分析等主题，并描述了新多模式界面的创建和开发。可以看到对技术选择的解释以及系统架构的详细概述。还可以看到实施的设备，如操纵杆或传感器，用于检测头部的运动并将其转换为输入命令以及在 30 个用户实验中使用的模拟器。在分析了用户实验的响应后，概述了系统的整体性能以及后续开发中要采取的未来改进措施。这项工作基于 Intellweels 等雄心勃勃的项目，同时也是自 2007 年以来不断发展并经过多次技术迭代的项目，旨在为智能轮椅的控制和交互模块做出贡献，力争成为该项目的众多成功案例之一。创建的多模式界面比以前的界面有所改进，因为它更具可扩展性、可配置性，并且允许输入和输出操作并行和连续。30 名志愿者对实施的解决方案的评估是实施解决方案质量有效性和完整性的良好指标。他们的反馈也有助于了解该解决方案做得不好的关键点是什么，以及应该改进哪些关键点。关键词：适应性、智能轮椅、交互、多模式界面