战术环境下计算机视觉的适应性:应对环境不确定性
本文分析了一种名为CLIP的计算机视觉模型,并探讨了其潜在的应用与局限性,其中包括了如何避免模型固有的偏差,以及在模型部署时考虑更广泛的特性,而非单纯关注任务的分类准确度。
Aug, 2021
VISTA是一个基于真实数据的开源模拟器,它可以模拟自主车辆所用到的多种传感器,包括RGB摄像头,3D激光雷达和事件摄像头等,从而丰富策略学习的数据,并通过将策略应用于完整规模的自主车辆,证明了其模拟虚实传递的能力和其高于仅在真实数据上训练的策略的鲁棒性。
Nov, 2021
本文开发了用于在现场和超视距飞行期间部署实时AI和计算机视觉的ADAPT多任务负载。我们详细介绍了ADAPT负载的开发和测试,演示了实时冰分割的示例任务,以监测河流是否结冰,并提供洪水的及时预测
Jan, 2022
数据驱动模型在自主系统中扮演着重要的角色,但存在不确定性的挑战。本文提出并评估了四种处理不确定性的架构模式,并考虑了不同情境下的风险,以提高性能。
Jun, 2022
本文提出了一种轻量、统计鲁棒的框架,利用符合推理来提取视觉坐标自适应预测间隔的不确定性,勾画了生成深度神经网络、蒙特卡洛 Dropout、区间打分和校准损失等技术,从而改善不确定性感知学习对于决策领域的应用。
Mar, 2023
本研究提出了一种基于深度学习的新方法,通过考虑预测中的不确定性来感知车辆环境,对车辆环境进行了等大小单元格的分割并进行了逐个分类,证明预测结果的不确定性与其精度相关,相比之前的概念,展示了更优秀的表现展示了更优秀的表现。
Jun, 2023
本文介绍了一种基于COLREG的深度强化学习和计算机视觉技术的导航系统,该系统在逼真的海洋模拟环境中进行了评估,并证明了其在避免碰撞和设置航点方面的有效性。
Jul, 2023
未来战争需要在更加复杂、快节奏、结构模糊和苛刻的条件下进行指挥和控制决策,而现有的指挥与控制实践无法保持对未来战场上对手的优势。为了解决这些挑战,作者提出了一种未来指挥与控制的愿景,即人工智能系统与人类之间建立牢固的合作伙伴关系,以简化指挥与控制操作流程、保持行动上的统一性并发展适应性的集体知识系统。本文展示了未来指挥与控制能力的设想,讨论了对其进行构建的假设,并描述了提议的发展如何改变未来战争中的指挥与控制。
Feb, 2024
航空航天任务的计算机视觉任务对于帮助航天器理解和解释空间环境至关重要,本文综述了深度学习在航空航天感知中的重要性,着重探讨了姿态估计、三维重建和目标识别等基础感知任务,并讨论了当前研究的限制和未来发展的可能性。
Jul, 2024
本研究针对现有无人地面车辆在复杂地形中的导航方法存在的局限性,提出了一种基于概率和重建的能力评估方法(PaRCE),以估计感知模型对于输入图像的熟悉程度。研究表明,PaRCE能有效预测分类结果,减少与不熟悉障碍物的碰撞,并提升导航效率。
Sep, 2024