global navigation satellite system
PulseAugur coverage of global navigation satellite system — every cluster mentioning global navigation satellite system across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
巴基斯坦石油公司设计主权AI用于HSE事件预测
巴基斯坦的一家石油和天然气运营商需要为其健康、安全和环境（HSE）部门构建一个隔离的AI系统，以在事件发生前进行预测。拟议的架构强调自托管模型，硬件尺寸根据模型权重而非市场营销规格确定。边缘计算用于实时检测和预测，而中央层处理复杂分析。该系统依赖于统一时钟和强大的数据骨干网，成本估算为三年，并与云替代方案进行比较，指出超大规模云服务提供商不在巴基斯坦境内运营，因此云解决方案需要将数据传输到国外。
-
研究发现处理参数显著影响无人机摄影测量精度
Wojciech Gruszczyński 在 arXiv 上发表的一项新研究调查了处理参数对无人机（UAV）摄影测量结果测量精度的影响。该研究系统地评估了十个无人机数据集上的 768 种处理变体，结果显示性能最佳的配置实现了 16 毫米的 RMSE，而效果最差的配置达到了 303 毫米。影响精度的关键因素包括地面控制点的数量、附加相机校正的应用以及使用后处理动态 GNSS 来确定相机投影中心坐标。这些发现为优化无人机摄影测量工作流程…
-
AI 预测驾驶员制动行为，MAE 为 0.49m/s^2
研究人员开发了一种新颖的两阶段框架来预测信号交叉口的驾驶员行为。该系统使用物理约束的决策条件自回归 Transformer 来生成纵向加速度轨迹，实现了 0.49m/s^2 的加速度 MAE 和 0.62m 的距离 MAE。这种方法可以从单个黄灯开始的快照估计驾驶员的停车舒适度，展示了逼真的人类制动模式。数据集和源代码是公开的。
-
新框架“Speak to the City”利用注视点和语言识别车外地标
研究人员开发了一个名为“Speak to the City”的新框架，以改进车内乘客查询物理地标的方式。该系统融合了用户的注视点和自然语言来识别兴趣点，解决了自我运动和指代歧义等挑战。一项涉及46名参与者的用户研究将头部方向映射到3D数字孪生中，捕捉了注视点-语音行为。使用LLM训练了一个轻量级Transformer网络，将空间注视点与口头语境对齐，在平均推理时间为24.3毫秒的情况下实现了83.33%的Top-1准确率。
-
ZK-Trace论文详细介绍了用于GNSS监测的认证共谋追踪
一篇新研究论文介绍ZK-Trace，一个旨在追踪联邦全球导航卫星系统（GNSS）监测中泄露的专有分类器来源的系统。ZK-Trace结合了公共身份标记、接收者特定指纹和零知识凭证验证，无需泄密者配合即可进行离线追踪。使用模拟GNSS数据和CIFAR-10进行的实验表明，该系统能够以高精度分离单所有者副本并追踪多所有者混合体，同时最大限度地减少虚假指控。
-
新系统高精度追踪微小、低功耗设备，如蜜蜂
研究人员开发了一种新颖的系统，用于在广阔的景观中追踪小型、低功耗设备，例如蜜蜂。该系统利用来自旋转发射器的最少数量的接收信号强度（RSS）测量值来推断到达角（AoA）。然后，使用高斯过程对接收器的移动路径进行建模，并通过变分推断进行重建，功耗低于600微瓦，精度约为10-15米。该技术在运动生态学、物联网和机器人学等领域具有潜在应用，并通过追踪熊蜂（Bombus terrestris）的归巢飞行进行了演示。
-
新的多模态大语言模型和数据集推动文本引导的地理定位
研究人员推出了UniGeo，一个专为文本引导的无人机地理定位而设计的多模态大语言模型。该模型通过建立局部场景元素、空间关系和语言之间的对应关系，增强了使用自然语言描述在大型图像库中识别目标区域的能力。UniGeo还模拟了无人机和卫星视图之间的语义映射，并包含一个用于在相似候选对象之间进行细粒度区分的验证模块。此外，一个名为OpenCVL的新数据集也已发布，该数据集包含欧洲多个城市的、大规模且多样化的地面-航空图像对，以促进细粒度跨视图定位的研究。
-
新的DECO框架提升了在无GNSS区域的无人机视觉定位能力
研究人员开发了DECO，一个旨在提高低空无人机（UAV）在无法使用全球导航卫星系统（GNSS）的环境中视觉定位能力的新型框架。传统方法在通常缺乏垂直结构的参考地图上会遇到困难，导致姿态估计不准确。DECO通过利用深度信息推断局部表面几何形状，并识别无人机图像与参考地图之间的共视区域来解决这个问题，从而提高特征匹配和姿态精度。
-
麻省理工学院通过新的挖掘机控制系统、电离层研究和代理AI课程推进人工智能发展
麻省理工学院正通过多项举措推进人工智能研究，其中包括由Hermano Krebs设计的新型挖掘机控制系统，该系统模仿人类操作员的心智图式以实现更高效的学习。此外，Anthea Coster因其在麻省理工学院Haystack天文台使用GPS测量进行电离层研究方面做出的重大贡献而获得了Appleton奖。该大学还在麻省理工学院CSAIL推出一门新的代理AI课程，重点关注生成式AI、LLM评估、商业价值、风险和合规性。
-
自主拖拉机系统AgriNav集成杂草检测和激光雷达导航，用于精准农业
研究人员开发了AgriNav，一个专为精准水稻种植设计的自主拖拉机系统。该系统集成了杂草检测和激光雷达导航，以减少除草剂使用并提高效率。AgriNav利用定制的CNN-FPN模型来区分水稻和杂草，并融合激光雷达、GNSS和IMU数据进行稳健导航，即使在GNSS中断期间也能工作。该系统在各种成像条件下均表现出对作物行检测和水稻识别的高度置信度。
-
视觉里程计方法用于无人机导航的评估
一篇新论文评估了用于无人机（UAV）视觉里程计系统的各种图像匹配技术。该研究旨在改善无人机在全局导航卫星系统（GNSS）信号不可靠环境中的导航能力。研究发现，虽然RoMa匹配器表现最佳，但传统的尺度不变特征变换（SIFT）特征仍然优于一些较新的方法。
-
小型语言模型检测自动驾驶汽车中的GNSS欺骗攻击
研究人员开发了一个使用小型语言模型（SLM）的框架，用于检测和分类自动驾驶汽车中的全球导航卫星系统（GNSS）欺骗攻击。该方法将来自GNSS和其他传感器的驾驶状态数据转换为SLM的语义叙述，在识别各种攻击类型方面达到了高精度（96.99%）。与大型语言模型相比，基于SLM的方法在计算效率和资源利用方面具有显著优势，使其适用于资源受限的车辆平台部署。
-
新框架增强了对自动驾驶中细微GPS欺骗的检测能力
研究人员开发了一个名为高阶液体证据编码的新框架，以提高对自动驾驶系统中渐进式GNSS欺骗攻击的检测能力。该方法解决了细微攻击的挑战，在这种攻击中，单个GPS读数仍然是合理的，但与车辆运动的不一致会随着时间的推移而累积。通过分析残差信号及其通过自适应液体编码器的变化，该框架旨在提供更强大、更及时的检测这些不断演变的威胁。在AV-GPS数据集上的实验表明，该方法在识别欺骗转换方面具有较高的F1分数，证明了其有效性。
-
新框架通过时空上下文增强自动驾驶定位能力
研究人员开发了一种用于自动驾驶跨视图视觉定位的新框架，通过整合时空上下文来提高精度。该方法聚合历史帧数据以改进特征提取，从而实现精确的定位，优于现有的独立于帧的方法。在CVIS数据集上的实验显示，平均定位误差显著降低，召回率指标有所提高，并且在KITTI-CVL数据集和实际车辆测试中也取得了令人鼓舞的结果。
-
LoDA方法通过新的基准推动3D LiDAR变化检测
研究人员开发了LoDA，一种用于检测3D LiDAR地图中对象级别变化的新颖方法，这对于自动驾驶和智慧城市服务至关重要。该方法集成了检测限制感知配准和由几何驱动的对象代理，以自信地分配五个不同的变化标签。LoDA还为Subiaco地区引入了一个新的基准数据集，其中包含融合的多时相LiDAR地图和详细的对象级别注释。该方法在新基准和现有的Urb3DCD-V2数据集上都表现出卓越的性能，实现了高准确率和IoU分数。
-
新协议评估3D重建的可靠性，无需真实世界数据
研究人员开发了一种名为“Track-Leakage-Free Hold-Out Self-Validation”的新协议，用于在没有外部真实世界数据的情况下评估摄影测量检测的3D重建的可靠性。该协议涉及保留一部分图像，并将其重新定位到至少另外两张图像可见的点上，确保一个视图不会针对其创建的结构进行测试。虽然该协议在计算上是可靠的，并且可以指示内部几何一致性，但发现在跟踪绝对精度方面不可靠，并且无法可靠地排除重大故障，这在包括ETH3D…
-
新型MASAC控制器实现无人机协同室内导航
研究人员开发了一种新的无人机（UAV）协同室内导航框架，该框架利用共享的体素地图世界模型结合多智能体软Actor-Critic（MASAC）控制器。该系统允许多个无人机将LiDAR观测融合到一个通用的占用地图中，然后将其处理成用于去中心化控制的鸟瞰图表示。MASAC控制器集成了地图特征、障碍物数据和目标信息，在模拟走廊导航中实现了90.3%的成功率，优于传统的规划和控制方法。通过从真实世界数据中进行离线模仿微调的进一步适应，使得在GN…
-
新的视觉定位流程实现了亚厘米级精度
瑞士西北应用科学大学的研究人员引入了一个新的视觉定位流程，该流程利用高分辨率街景图像实现亚厘米级精度。该方法结合了先验引导的候选选择、即时运动恢复结构（Structure-from-Motion）重建和基于 PnP 的姿态估计。他们还发布了 FHNW Muttenz 数据集，其中包含精确地理参考的图像和地面真实姿态，展示了中值平移精度为 1-5 厘米，旋转精度为 0.05-0.1°。
-
DAP-Pose 在鲁棒多模态姿态估计方面达到最先进水平
研究人员开发了 DAP-Pose，一种新颖的端到端模型，用于鲁棒的多模态姿态估计。该系统使用双层跨模态融合 (BCF) 模块集成视觉、惯性测量单元 (IMU) 和 GNSS 测量，以捕捉语义和几何运动线索。它还包含一个深度时序对齐 (DTA) 模块来同步异步传感器流，并纳入了物理感知约束以实现运动一致性。在 KITTI 基准数据集上进行评估，DAP-Pose 取得了最先进的成果，在准确性和鲁棒性方面表现出色，尤其是在时间失调的情况下。
-
新的 DTIF 框架使用 Delaunay 三角剖分进行森林测绘
研究人员开发了 DTIF，一个用于复杂森林环境中鲁棒回环检测的新框架。该系统利用树干的 Delaunay 三角剖分来创建紧凑的场景表示，克服了稀疏和嘈杂的 LiDAR 数据带来的挑战。DTIF 以较低的计算开销实现了精确配准，使其适用于资源受限的边缘平台，用于森林清单和测绘。