物理引导的AI可实现更安全的机器人辐射源定位

研究人员开发了一个新的机器人辐射源定位（RSL）框架，该框架利用了物理信息机器学习（PIML）模型。这种方法允许机器人在未知环境中准确估计辐射源位置，而无需考虑其测量路径，从而通过避免直接接近辐射源来提高安全性。PIML模型结合了受物理启发的张量来处理衰减的伽马射线信号，并使用并行计算来提高鲁棒性。该方法已通过高保真模拟和物理实验得到验证，并应用了持续学习技术以实现实际部署。 AI

影响 通过使机器人能够在不直接接近的情况下定位辐射源，提高了在危险环境中的安全性和效率。

排序理由 学术论文，详细介绍了机器人领域一种新的AI驱动方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• gamma ray
• Gotit.pub
• Hugging Face
• Influence Flower
• Monte Carlo
• Physics-informed machine learning
• PIML
• robotics
• ScienceCast

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →