This paper proposes a novel controller framework that provides trajectory tracking for an Aerial Manipulator (AM) while ensuring the safe operation of the system under unknown bounded disturbances. The AM considered here is a 2-DOF (degrees-of-freedom) manipulator rigidly attached to a UAV. Our proposed controller structure follows the conventional inner loop PID control for attitude dynamics and an outer loop controller for tracking a reference trajectory. The outer loop control is based on the Model Predictive Control (MPC) with constraints derived using the Barrier Lyapunov Function (BLF) for the safe operation of the AM. BLF-based constraints are proposed for two objectives, viz. 1) To avoid the AM from colliding with static obstacles like a rectangular wall, and 2) To maintain the end effector of the manipulator within the desired workspace. The proposed BLF ensures that the above-mentioned objectives are satisfied even in the presence of unknown bounded disturbances. The capabilities of the proposed controller are demonstrated through high-fidelity non-linear simulations with parameters derived from a real laboratory scale AM. We compare the performance of our controller with other state-of-the-art MPC controllers for AM.

本文介绍了一种具有三个自由度（3DOF）的新型被动三输出差异，其将动作和扭矩从单个输入转换为三个输出。建议的三输出开放式差分设计使其功能类似于传统的双输出开放差分的功能。也就是说，当输出不受约束或经受等效的负载条件时，差动将相等的运动和扭矩转换为其三个输出。介绍的设计是第一种具有三个输出的差异，以实现这一结果。三个输出之间的差动动作被动地通过三个双输出开放差分和三个二输入打开差分的对称布置来实现。所得到的差分机制实现了输出所有三个输出的角速度和扭矩关系的等效输入的新颖结果。此外，三输出开放差异实现了具有多于两个输出的差分的新颖结果，其中每个输出共享与所有其他输出的等效角速度和扭矩关系。使用键盘图方法导出三输出开放差分的运动学和动态。另外，呈现了差分机制的优点以及其电流和潜在的应用。

本文介绍了管道内攀岩机器人的设计，该机器人使用新的“三输出开放差分”（3-OOD）机制来遍历管道的复杂网络。传统的轮式/履带式攀爬机器人易于滑动和拖动，同时穿过管道弯曲。3-OOD机制有助于实现在运动过程中消除滑动和在机器人轨道中拖动的新颖结果。所提出的差异实现了传统的双输出差分的功能能力，这是第一次与三个输出的差分实现的。通过消除对管网内部的每个轨道的力来机械地机械地调制机器人的轨道速度，通过消除对任何主动控制的需要。在不同方向和管弯的管网中横穿的机器人的模拟显示出所提出的设计的有效性。

在本文中，使用聚类和阈值算法实现了DIBA数据集细菌属和物种的半自动注释。深度学习模型经过训练，以实现细菌物种的语义分割和分类。分类精度达到95％。深度学习模型在生物医学图像处理中发现了巨大的应用。从革兰氏阴性微观图像中自动分割细菌对于诊断呼吸道和尿路感染，检测癌症等至关重要。深度学习将有助于生物学家在更少的时间内获得可靠的结果。此外，可以减少许多人类干预措施。这项工作可能有助于检测尿液涂片图像，痰液涂片图像等的细菌，以诊断尿路感染，结核病，肺炎等。

在未来几十年中，自动驾驶将普遍存在。闲置在交叉点上提高自动驾驶的安全性，并通过改善交叉点的交通吞吐量来提高效率。在闲置时，路边基础设施通过卸载从车辆到路边基础设施的知觉和计划，在交叉路口远程驾驶自动驾驶汽车。为了实现这一目标，iDriving必须能够以全帧速率以较少100毫秒的尾声处理大量的传感器数据，而无需牺牲准确性。我们描述了算法和优化，使其能够使用准确且轻巧的感知组件实现此目标，该组件是从重叠传感器中得出的复合视图的原因，以及一个共同计划多个车辆的轨迹的计划者。在我们的评估中，闲置始终确保车辆的安全通过，而自动驾驶只能有27％的时间。与其他方法相比，闲置的等待时间还要低5倍，因为它可以实现无流量的交叉点。

Covid-19大流行是人类的祸害，宣称全世界超过500万人的生活。虽然疫苗正在全世界分布，但表观需要实惠的筛选技术，以便为无法获得传统医学的世界服务。人工智能可以提供利用咳嗽声音作为主要筛选模式的解决方案。本文介绍了多种模型，这些模型在学术文献目前呈现的最大评估数据集上取得了相对尊敬的性能。此外，我们还显示性能随着培训数据规模而增加，表明世界各地的数据收集，以帮助使用非传统方式对抗Covid-19大流行。

本文介绍了一种新型模块化管攀岩III，采用三输出开口差分（3-OOD）机制，以消除由于管道的横截面变化而导致的轨道的滑动。这将在机器人的任何方向上实现。以前的管道登山者使用三轮/轨道模块，每个模块都有一个单独的驱动机制来实现稳定的遍历。当遇到管道时，在这样的机器人中，轨道的滑动是普遍存在的。因此，采用每个模块的速度的主动控制来减轻滑动，从而需要大量的控制力。所提出的管道登山者通过允许机器人机械地调制轨道速度，实现3-OOD来解决这个问题。提出的3-OOD是第一个三输出差分，以实现传统的双输出差异的功能能力。