Autonomous Systems
PulseAugur coverage of Autonomous Systems — every cluster mentioning Autonomous Systems across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新研究探索先进的空中联邦学习技术
两篇新研究论文探讨了空中联邦学习（AirFL）的进展，AirFL 是一种利用无线信道进行高效数据聚合的技术。第一篇论文介绍了 AirPASS，一个采用多波导捏合天线系统来优化设备选择、波束成形和天线布局以提高学习性能的框架。第二篇论文提出了 CHARGE-FL，它根据信道动态和客户端异构性自适应地调度聚合，以提高准确性和稳定性，尤其是在具有挑战性的无线环境中。
-
公司拥抱以代理为基础的界面作为新的产品范式
公司越来越多地采用以代理为基础的界面，这些界面作为自主系统为用户执行任务。这代表了产品设计的一个重大转变，从传统的用户界面转向更自动化的交互。
-
自主系统将重塑行业，教育需要关注人工智能
自主系统有望在交通运输之外的众多领域带来变革，包括医疗保健和制造业。教育机构被敦促为学生打下人工智能、传感器和智能机器的基础知识。掌握编码、解决问题和伦理考量的技能，对于未来的技术创造者至关重要。
-
美以国防技术整合法案面临审查
2027年《国防授权法案》（NDAA）拟议的第224条旨在整合美国和以色列之间广泛的国防技术，包括AI、量子计算和生物技术。批评者对该条款中诸如‘网络集成’和‘数据融合’等宽泛且未定义的概念表示担忧。人们认为，科技记者和媒体对这一重要的立法进展缺乏报道和分析。
-
新的融合方法应对三维目标检测挑战
两篇新研究论文提出了使用激光雷达和相机数据进行三维目标检测的先进融合技术。第一篇，几何感知鱼眼-激光雷达融合（GA-HF），通过保持鱼眼几何形状并使用注意力机制纠正特征失真来应对低重叠设置中的挑战。第二篇，CAMF-Det，专注于无人机（UAV）平台，开发了一个闭环感知框架，通过建模和预测遮挡强度来处理由树冠和其他地面物体引起的遮挡。
-
乌克兰整合人工智能无人机，成为欧洲国防创新领导者
乌克兰正迅速将实验室中的人工智能驱动无人机和自主系统整合到战场上，标志着军事技术的一次重大转变。这种快速的采纳和迭代正在改变欧洲的国防标准，乌克兰已成为这一创新的关键推动者。冲突正在加速先进机器人和人工智能驱动的战争能力的开发和部署。
-
Microsoft 在塔尔萨历史悠久的 Greenwood 区开设 AI 实验室
Microsoft 已与 Black Tech Street 合作，在俄克拉荷马州塔尔萨推出 Greenwood Cyber + AI 实验室。该新设施旨在促进人工智能、网络安全和自主系统方面的创新，重点关注劳动力发展和社区赋权。该实验室位于历史悠久的 Greenwood 区，从 Black Wall Street 的传承中汲取灵感，并致力于为初创公司、研究人员和企业打造现代技术中心。
-
多智能体强化学习赋能超人般无人机竞速，安全性得到提升
研究人员开发了一个多智能体强化学习系统，使自主四旋翼无人机能够在动态的真实环境中安全有效地竞速。通过基于联盟的自我对抗训练智能体，该系统学会了诸如避碰和战略机动等复杂行为，在高速比赛中表现优于人类飞行员。与单智能体方法相比，这种方法显著降低了碰撞率，并展示了实现稳健机器人共存的有前景的途径。
-
世纪AI审判以模糊和解告终
备受期待的法律案件，被称为“世纪AI审判”，已在没有明确判决的情况下结束。该诉讼旨在确定自主系统的责任，最终以一项模糊的和解告终，留下了许多关于AI责任的基本问题未得到解答。专家认为，这一平静的结局引发了对技术伦理和未来的重大担忧。
-
AI和数据主权对自主系统至关重要
自主系统的日益普及需要一个强大的AI和数据主权框架。这包括确保用于训练和运行AI的数据仍由其合法所有者控制，尤其是在金融服务等敏感行业。为代理式AI有效准备数据对于这些行业利用先进功能同时保持安全性和合规性至关重要。
-
SPARC AI 开创 GPS 自由无人机导航新纪元；AI 赋能金融、光学及专业服务领域变革
SPARC AI 开发了一种新型的自主系统 GPS 自由导航系统，利用先进的 AI 和边缘计算技术，应用于国防、救援和商业领域。该技术仅凭视觉数据即可实现精确地理定位，无需传统的 GPS 或专用硬件。此外，AI 也在革新金融科技，例如 GMind 公司将其用于交易平台；并推动专业服务领域的变革，CohnReznick 指出 AI 可实现实时合规和运营效率提升。AI 还在光学超表面设计方面取得进展，推动成像和计算技术的创新，并预计到 2…
-
人工智能集成挑战自主系统的安全性、可靠性和认证
一篇新论文讨论了在集成人工智能和机器学习组件的自主系统中确保可靠性所面临的挑战。由于人工智能的不可预测性，传统的安全、安保和可靠性方法已不足以应对。该论文探讨了新的方法和框架，以弥合人工智能创新与可认证的系统级可靠性需求之间的差距。
-
研究人员开发了用于超分辨率到达方向估计的新型Hankel结构感知方法
研究人员开发了用于到达方向（DoA）估计的新框架，这对于自主系统至关重要。这些方法利用Hankel结构感知和矩阵分解，在L2（高斯噪声）和L1（拉普拉斯噪声）范数下均提供最佳性能。所提出的技术展示了增强的超分辨率能力，与现有方法相比，所需的信噪比更低，并实现了更高的分辨率概率，已通过模拟和真实世界实验得到验证。