本文提出了一种基于多个线索（交通工具的估计运动，高速公路交通典型运动模式和车辆间互动）的统一框架，用于自动驾驶汽车路径规划中环绕车辆的机动分类和运动预测。通过在高速公路上使用车载传感器收集的真实交通数据，我们对机动分类准确性和对地面实况的预测轨迹的平均绝对误差和中位数绝对误差进行了评估和报告。此外，还进行了消融分析来分析相对于预测轨迹，每个线索的相对重要性，并提供了框架组件执行时间的分析。最后，我们通过多个案例研究分析了我们模型的输出，以应对复杂的交通场景。

Jan, 2018

全球导航卫星系统（GNSS）基于位置定位在导航、交通运输、物流、地图和应急服务等各种应用中起着关键作用。本文介绍了近年来机器学习（ML）的最新进展及其潜力，以应对传统 GNSS 模型方法在复杂环境中的局限性以及对不确定噪声模型的适应性不足。研究涵盖了监督学习、无监督学习、深度学习和混合方法等广泛的 ML 方法，并提供了与 GNSS 相关的定位应用的洞见，如信号分析、异常检测、多传感器集成、预测和精度增强。文中讨论了目前基于 ML 的 GNSS 定位方法的优势、局限性和挑战，提供了该领域的全面概述。

Mar, 2024

通过基于飞行状态识别的改进方法，实现了基于无人机的飞行轨迹预测的准确性提升，并证实了识别模型可以有效降低预测误差。

Jan, 2024

本研究提出了一种基于用户移动信息预测的多无人机轨迹设计的新框架，其利用机器学习技术为多个无人机实现位置信息获取和轨迹设计，并通过多智能体 Q 学习算法实现对其位置的预测与优化。同时，数值结果表明所提出的多智能体 Q 学习算法的轨迹设计和功率控制算法可以在较小的条件下收敛，并且可以实现 17％左右的吞吐量改进。

Dec, 2018

本文针对自动驾驶汽车在复杂交通情境下进行安全高效的行驶所需的需求，提出了使用 LSTM 模型来进行交互式的运动预测，并在 NGSIM US-101 和 I-80 数据集上与其他方法进行了比较和分析。

May, 2018

该论文提出了一种新的方法，用于在缺乏全球导航卫星系统（GNSS）的环境中对无人机进行地理定位。通过预处理图像以提取边缘信息，可以显著提高 UAV 地理定位方法的性能，并增强对方向和高度不准确性的鲁棒性。此外，引入了一种用于本地化的置信度标准，并通过合成实验验证了相关发现。

Apr, 2024

提出了一种基于预测性维护的集成系统，通过从传感器数据收集的信息，准确预测装甲车辆的维护需求，评估了所提出的集成模型的稳定性和表现，结果表明该系统具有高精度和高召回率，可以有效预测维护需求，从而减少车辆停机时间，提高运营效率，强调了基于机器学习的预测性维护解决方案的潜力。

Jul, 2023

本文综述了自动驾驶车辆 (AD) 的轨迹预测方法，重点讨论了基于机器学习的方法，包括深度学习和强化学习。该文还研究了常用的数据集和评估指标，并比较了两个主要的学习流程。通过确定现有文献中存在的挑战和潜在研究方向，本综述在 AD 轨迹预测方面做出了重要贡献。

Jul, 2023

本研究旨在探讨在联邦学习中，一种针对无人机的在线轨迹设计问题，其中多个不同的社区存在，每个社区被唯一的任务定义所学习。在这种情况下，每个社区的空间分布设备通过无人机提供的无线链接协作贡献于对其社区模型的培训。通过引入一种启发式指标，我们提出了使用凸优化技术和图论一起优化无人机轨迹和设备调度的代理目标，以加速所有任务的学习进程，并且通过模拟实验证明了我们的解决方案相对于其他手动选择的静态和移动无人机部署基线的卓越表现。

Jun, 2022

近年来，无人机在自主载荷运输方面取得了巨大的进步，本文描述了一种微型无人机的开发，提出了一种导航方法，通过深度学习的计算机视觉方法来识别和准确对齐载荷传送位置处的目标，使得平均水平精度较传统的基于 GPS 的方法提高了 500%。

Oct, 2023