一种扩展的基于Petri网的多媒体同步模型

多媒体应用的一个主要问题是对多媒体同步时间的描述和建模。文章通过引入全局时钟和对输入事件进行优先级分类,同时借鉴了TSPN的动态同步语义以及DTPN的用户交互思想,使模型可以准确描述多媒体同步时间要求,有效克服网络随机延迟和阻塞等影响。     

一种先验知识引导的基于二阶段渐进网络的自主抓取策略

针对未知不规则物体在堆叠场景下的抓取任务,提出一种基于二阶段渐进网络（two-stage progressive network,TSPN）的自主抓取方法．首先利用端对端策略获取全局可抓性分布,然后基于采样评估策略确定最优抓取配置．将以上2种策略融合,使得TSPN的结构更加精简,显著减少了需评估样本的数量,能够在保证泛化能力的同时提升抓取效率．为了加快抓取模型学习进程,引入一种先验知识引导的自监督学习策略,并利用220种不规则物体进行抓取学习．在仿真和真实环境下分别进行实验,结果表明该抓取模型适用于多物体、堆叠物体、未知不规则物体、物体位姿随机等多种抓取场景,其抓取准确率和探测速度较其他基准方法有明显提升．整个学习过程历时10天,结果表明使用先验知识引导的学习策略能显著加快学习进程．     

利用Capped核范数正则化的人体运动捕获数据恢复

结合人体运动数据的低秩性、噪声稀疏性和时序稳定性,将人体运动捕获数据恢复问题建模为低秩矩阵填充问题.不同于传统方法采用核范数作为矩阵秩函数的凸松弛,引入了非凸的矩阵Capped核范数(CaNN).首先,建立基于CaNN正则化的人体运动捕获数据恢复模型;其次,利用交替方向乘子法,结合截断参数自适应学习与(逆)离散余弦傅里叶变换对模型进行快速求解;最后,在CMU数据集和HDM05数据集上,将CaNN模型与经典的TSMC,TrNN,IRNN-Lp和TSPN模型进行对比实验.恢复误差和视觉效果比较结果表明,CaNN能够有效地对失真数据进行恢复,且恢复后的运动序列与真实运动序列逼近度较高.     

基于SGI的多媒体创作工具的设计与实现

本文针对SGI图形工作站的特点,论述了基于SGI平台的多媒体创作工具AUTHOR的系统构造及其关键技术的实现。在媒体对象的同步中,采用时间流Petri网（TSPN）模型表示媒体数据流的同步、互斥等关系,用该模型结合“自上而下、逐步求精”的软件设计方法,描述了复杂多媒体表示系统中的媒体表示方案。     

基于树状网络拓扑的分簇时间同步算法

无线传感网络(Wireless Sensor Network)的时间同步面临的两大难题是同步精度和能量消耗,传统的TSPN同步算法存在网络拓扑复杂,网络通信开销大,同步精度差等问题。该文提出的HCTS(Hierarchical-Clustering Time Synchronization)算法,改变了网络拓扑的形成方式。节点根据自身剩余能量与源节点的距离大小计算相对适应度函数的值并将其返回给源节点,超过网络预先设定阈值的节点即成为簇头,普通节点则加入距离自身最近的簇头。在经过改进的网络拓扑中利用簇头之间的层级同步以及簇头和成员之间的带有频偏补偿的DMST同步维持整个网络的同步精度。在OMNET平台上对随机建立的传感网络进行验证,结果表明HCTS算法能对网络拓扑起到一定的优化作用。在算法性能上不仅拥有相比于TSPN算法更好的同步精度,同时也能大幅减少网络通信开销。     

联合作战信息共享建模研究

针对联合作战中信息共享研究的诸多关键环节,以信息生命周期理论为新视角,提出了一种基于信息生命周期的信息共享建模方法.从生命演化的过程对信息生命周期进行了新定义.在此基础上,定义了联合作战信息共享的概念,构建了联合作战信息共享的层级模型和共享模式框架模型,利用信息熵建立了信息共享能力的评价模型.通过仿真对比分析,评价了联合作战信息共享的优势,验证了所建模型的合理性与有效性.上述方法为作战信息共享和信息优势的研究,提供了一个有益的新思路与新途径.     

基于本体的装备领域信息集成研究

装备信息集成中存在着大量的语义异构数据源,阻碍了信息的共享和交换.本体可以描述信息之间隐含的关系.在语义和知识层次上描述信息系统的概念模型,有效地解决信息集成中的语义异构问题.通过对基于本体的信息集成方法的分析,采用Wrapper/Mediator架构,提出了基于混合本体的装备基础信息集成框架,给出了框架的层次结构和关键技术.结合实际对基于本体的装备指标体系构建和查询处理问题进行了研究,验证了基于本体的信息集成方法在装备领域信息集成中的可行性和有效性.     

基于过滤的态势信息分发方法

根据战场态势信息的特点以及态势信息分发的要求,提出了一种基于过滤的态势信息分发方法.该方法重点从访问控制权限过滤和发布/订阅谓词过滤两方面对态势信息进行过滤分发,使态势信息用户所接收到的态势信息与其兴趣和需求能够趋于一致.给出了态势信息过滤分发方法的具体内容,并对该方法下态势信息分发的效果和效能进行了分析和评估.     

物联网信息感知与交互技术

信息感知作为物联网的基本功能,是物联网信息"全面感知"的手段.信息交互是物联网应用与服务的基础,是物联网"物物互联"的目的.随着物联网研究热潮的兴起,以传统无线传感器网络为核心的感知网络研究迅速升温,并在信息感知与交互方面取得了大量研究成果.文章分析了物联网信息感知与交互方面的最新研究进展.在信息感知方面,从数据收集、清洗、压缩、聚集和融合几个方面,梳理归纳了数据获取和处理的主要方法.在信息交互方面,提出了物联网信息交互的基本模型,分析总结了信息交互涉及的主要技术.在此基础上,讨论了物联网信息感知与交互研究的热点问题,包括新的感知技术、能效平衡、信息安全和移动感知网络等.最后,指出了物联网信息感知与交互技术发展面临的问题和挑战,展望了未来的研究方向.     

网络信息生态系统中的虚假信息:检测、缓解与挑战

随着互联网的迅速发展及网络社会媒体中用户的增加,通过社会媒体发布和传播信息的真实性和质量受到 日益广泛的关注.目前大部分公众已习惯从社会媒体平台与互联网获取新闻,甚至是获取受到高度关注的话题(如新冠病毒感染症状)的信息.鉴于网络信息生态系统非常嘈杂,充斥着错误和虚假信息并经常受到恶意媒介的污染,从中识别真实的信息成为一项艰巨任务.对此,研究者们已开始致力于虚假信息检测和减缓虚假信息传播影响方面的工作.讨论了网络信息生态系统中的虚假信息问题,特别是随着新冠病毒大爆发而来的"信息疫情".随后,简述了虚假信息检测方法,分析了减缓虚假信息影响的方法,并探讨了虚假信息研究中的固有挑战.最后从跨学科角度阐述了检测和减缓虚假信息影响的方法和未来研究展望.     

基于不确定性知识的实时道路场景理解

由于室外机器人的工作环境非常复杂，因此机器人的视觉导航必须具有足够的智能和鲁棒性，为此，提出了一种基于不确定性知识的实时道路理解算法，该算法通过不确定性知识推理来融合多种信息和知识，以满足在复杂道路环境下的鲁棒性要求，它即使在有强烈阴影、水迹等干扰下也能给出比较好的结果；通过图象边缘信息的提取可以得到精确的道路边界，以满足视觉导航的精确性要求；同时在算法设计时，兼顾了实时性要求；使得算法得以实时实现，该算法已在实际的机器人上进行了测试，并得到了很好的结果。     

Reactive navigation in dynamic environment using a multisensorpredictor

A reactive navigation system for an autonomous mobile robot in unstructured dynamic environments is presented. The motion of moving obstacles is estimated for robot motion planning and obstacle avoidance. A multisensor-based obstacle predictor is utilized to obtain obstacle-motion information. Sensory data from a CCD camera and multiple ultrasonic range finders are combined to predict obstacle positions at the next sampling instant. A neural network, which is trained off-line, provides the desired prediction on-line in real time. The predicted obstacle configuration is employed by the proposed virtual force based navigation method to prevent collision with moving obstacles. Simulation results are presented to verify the effectiveness of the proposed navigation system in an environment with multiple mobile robots or moving objects. This system was implemented and tested on an experimental mobile robot at our laboratory. Navigation results in real environment are presented and analyzed.     

Navigation integration of a mobile robot in dynamic environments

This article presents a design and experimental study of navigation integration of an intelligent mobile robot in dynamic environments. The proposed integration architecture is based on the virtual‐force concept, by which each navigation resource is assumed to exert a virtual force on the robot. The resultant force determines how the robot will move. Reactive behavior and proactive planning can both be handled in a simple and uniform manner using the proposed integration method. A real‐time motion predictor is employed to enable the mobile robot to deal in advance with moving obstacles. A grid map is maintained using on‐line sensory data for global path planning, and a bidirectional algorithm is proposed for planning the shortest path for the robot by using updated grid‐map information. Therefore, the mobile robot has the capacity to both learn and adapt to variations. To implement the whole navigation system efficiently, a blackboard model is used to coordinate the computation on board the vehicle. Simulation and experimental results are presented to verify the proposed design and demonstrate smooth navigation behavior of the intelligent mobile robot in dynamic environments. ©1999 John Wiley & Sons, Inc.     

Localized Outlying and Boundary Data Detection in Sensor Networks

Given a set of sparsely distributed sensors in the Euclidean plane, a mobile robot is required to visit all sensors to download the data and finally return to its base. The effective range of each sensor is specified by a disk, and the robot must at least reach the boundary to start communication. The primary goal of optimization in this scenario is to minimize the traveling distance by the robot. This problem can be regarded as a special case of the traveling salesman problem with neighborhoods (TSPN), which is known to be NP-hard. In this paper, we present a novel TSPN algorithm for this class of TSPN, which can yield significantly improved results compared to the latest approximation algorithm.     

Compact Modeling Technique for Outdoor Navigation

In this paper, a new methodology to build compact local maps in real time for outdoor robot navigation is presented. The environment information is obtained from a 3-D scanner laser. The navigation model, which is called traversable region model, is based on a Voronoi diagram technique, but adapted to large outdoor environments. The model obtained with this methodology allows a definition of safe trajectories that depend on the robot's capabilities and the terrain properties, and it will represent, in a topogeometric way, the environment as local and global maps. The application presented is validated in real outdoor environments with the robot called GOLIAT.     

基于势场法的智能移动机器人导航控制

论文引用物理学中“能量场”的概念对机器人周围障碍物距离信息的定性环境进行描述,衍生出一种导航控制算法──势场法。实验证明它具有良好的实时性和鲁棒性,尤其是它引导人们从机器人行为模式的高度,去认识导航控制,由此提出的“感知—动作”反射式行为,用这种方法进行导航是一种可行的方法。势场法的特点是计算简单、开销小、速度快,适合于底层实时控制。在室外的复杂环境中势场法仍有较好的导航效果。     

基于实时障碍物预测的机器人运动规划

本文给出了移动机器人的虚力导航和运动规划系统．这种方法结合最小方差估计算 法（L M S E）能有效地对机器人进行实时导航和避撞．在预测过程中,根据导航的不同阶 段和预测误差的变化情况,采用Fuzzy规则动态地调整误差函数中的权重,使预测过程尽可 能准确．导航算法的基本思想是首先通过预测算法来获得移动机器人的运动信息,然后虚力 系统根据预测信息决定机器人的未来运动,仿真结果表明该方法实时性好,能准确躲避障碍 物并且到达目标点．     

基于遗传算法的机械设备故障检测机器人设计

当前故障检测机器人受到超声波影响故障检测存在精准度低的问题,据此提出了基于遗传算法的机械设备故障检测机器人设计。采用AD500-1A型号传感器采集机械设备内外部数据信息,使用等效转换电路使机器人实时感知周围环境变化信息,并利用灵敏度高电子仪器实现机器人传感工作;使用2路200万数字网络高清摄像头,监视整个机械设备,获取机器人结构通信、管理和运动信息;将proGee0813型号芯片作为导航设备定位芯片,根据实际需求获取信号指令,并选定机器人行驶路径;通过Unity与UE4引擎虚拟现实硬件交互设备进行故障定位追踪;利用关节装置连接车轮前臂和上臂,实现不同磁铁吸附与脱离,依据机器人结构,完成机器人硬件结构设计。采用遗传算法确定导航适应度函数,通过机器人视频采集信息,设计预警功能,并利用机器人即时生成设备故障图像,依据实现流程,在超声避障功能支持下,完成机械设备故障检测。由实验结果可知,该机器人检测精准度最高可达到0.96,提高了机器人检测鲁棒性。     

全局环境未知时机器人导航和避障的一种新方法

研究了全局环境未知情况下的移动机器人实时导航问题．将栅格法描述环境与基于滚动窗口的路径规划相结合，提出了一种新的移动机器人导航方法．将超声传感阵列探测到的环境信息以基于栅格的概率值进行表示，利用不确定性证据推理对其进行数据融合，得到机器人的局部环境信息；在此基础上，采用基于滚动窗口的方法进行机器人路径规划，实现机器人的实时导航．仿真与实验结果表明了该方法的有效性．     

Soft Computing-Based Navigation Schemes for a Real Wheeled Robot Moving Among Static Obstacles

Collision-free, time-optimal navigation of a real wheeled robot in the presence of some static obstacles is undertaken in the present study. Two soft computing-based approaches, namely genetic-fuzzy system and genetic-neural system and a conventional potential field approach have been developed for this purpose. Training is given to the soft computing-based navigation schemes off-line and the performance of the optimal motion planner is tested on a real robot. A CCD camera is used to collect information of the environment. After processing the collected data, the communication between the robot and the host computer is obtained with the help of a radio-frequency module. Both the soft computing-based approaches are found to perform better than the potential field method in terms of the traveling time taken by the robot. Moreover, the performance of fuzzy logic-based motion planner is found to be comparable with that of neural network-based motion planner, although the training of the former is seen to be computationally less expensive than the latter. Sometimes the potential field method is unable to yield any feasible solution, specifically when the obstacle is found to be just ahead of the robot, whereas soft computing-based approaches have tackled such a situation well.