频率调制连续波（FMCW）LIDAR是一种最近新兴的技术，可通过多普勒效应效率进行每次返回的瞬时相对径向速度测量。在这封信中，我们使用这些多普勒速度测量值从FMCW激光雷达（FMCW Lidar）介绍了第一个连续的一次性绕线算法算法，以帮助几何变性环境中的探测率。我们应用现有的连续时间框架，该框架使用高斯工艺回归有效地估算车辆轨迹，以补偿由于任何机械驱动的激光雷达（FMCW和非FMCW）的扫描性质而引起的运动失真。我们在几个现实世界数据集上评估了我们提出的算法，包括我们收集的公开可用数据集和数据集。我们的算法优于也使用多普勒速度测量值的唯一现有方法，我们研究了包括此额外信息在内的困难条件，可大大提高性能。我们还证明了在标称条件下使用多普勒速度测量值的情况下，仅在有和不使用多普勒速度测量的情况下，仅激光射击的前进量的最新性能。该项目的代码可以在以下网址找到：https：//github.com/utiasasrl/steam_icp。
translated by 谷歌翻译
近年来，旨在生成模仿人类语言流利性和连贯性的文本的系统能力的实质性增长。由此，已经进行了大量研究，旨在检查这些自然语言发生器（NLG）对广泛任务的潜在用途。强大的文本生成器能够令人信服地模仿人类写作的能力越来越多地提高了欺骗和其他形式的危险滥用的潜力。随着这些系统的改善，很难区分人文编写和机器生成的文本，恶意演员可以将这些强大的NLG系统利用到各种各样的目的，包括创建假新闻和错误信息，一代假货在线产品评论，或通过聊天机器人作为说服用户泄露私人信息的手段。在本文中，我们通过对NLG研究的119条类似调查的论文进行识别和检查，概述了NLG领域。从这些已确定的论文中，我们概述了构成NLG的中心概念的拟议高级分类法，包括用于开发广义NLG系统的方法，评估了这些系统的方法以及存在的流行NLG任务和存在的子任务和子任务。反过来，我们就当前的研究提供了对这些项目的概述和讨论，并提供了NLG在欺骗和检测系统中的潜在作用以抵消这些威胁的潜在作用。此外，我们讨论了NLG的更广泛挑战，包括现有文本生成系统经常表现出的偏见风险。这项工作为NLG领域的滥用潜力提供了广泛的概述，旨在提供对这一快速发展的研究领域的高级了解。
translated by 谷歌翻译
像Astrobee机器人一样的空间自由传单，目前正在运营的国际空间站必须与固有的系统不确定性运行。像质量和惯性矩等的参数不确定性对于量化在这些安全关键空间系统中的量化尤为重要，并且可以在轨道货物运动等场景中改变，其中未知的擒讨的有效载荷显着改变了系统动态。谨慎地学习这些不确定性，途径可能会避免时间和燃料消耗的纯系统识别演习。认识到这一点，这项工作提出了一种在线信息感知运动规划算法，该拨浪鼓明确地将参数模型 - 学习与实时重新扫描能力相结合，可以利用改进的系统模型。该方法包括双层（全局和本地）策划仪，一个低级模型预测控制器和在线参数估计器，可以为机器人的惯性属性进行估算，以便在飞行中重新打倒;所有级别的规划和控制都具有在线更新的模型。 Astrobee自由传单争夺不确定有效载荷的频道的仿真结果与硬件演示的结果展示了明确鼓励模型参数学习的能力，同时实现其他有用的运动。
translated by 谷歌翻译
基于简单的扩散层对空间通信非常有效的洞察力，我们对3D表面进行深度学习的新的通用方法。由此产生的网络是自动稳健的，以改变表面的分辨率和样品 - 一种对实际应用至关重要的基本属性。我们的网络可以在各种几何表示上离散化，例如三角网格或点云，甚至可以在一个表示上培训然后应用于另一个表示。我们优化扩散的空间支持，作为连续网络参数，从纯粹的本地到完全全球范围，从而消除手动选择邻域大小的负担。该方法中唯一的其他成分是在每个点处独立地施加的多层的Perceptron，以及用于支持方向滤波器的空间梯度特征。由此产生的网络简单，坚固，高效。这里，我们主要专注于三角网格表面，并且展示了各种任务的最先进的结果，包括表面分类，分割和非刚性对应。
translated by 谷歌翻译