Autonomous navigation for large Unmanned Aerial Vehicles (UAVs) is fairlystraight-forward, as expensive sensors and monitoring devices can be employed.In contrast, obstacle avoidance remains a challenging task for Micro AerialVehicles (MAVs) which operate at low altitude in cluttered environments. Unlikelarge vehicles, MAVs can only carry very light sensors, such as cameras, makingautonomous navigation through obstacles much more challenging. In this paper,we describe a system that navigates a small quadrotor helicopter autonomouslyat low altitude through natural forest environments. Using only a single cheapcamera to perceive the environment, we are able to maintain a constant velocityof up to 1.5m/s. Given a small set of human pilot demonstrations, we use recentstate-of-the-art imitation learning techniques to train a controller that canavoid trees by adapting the MAVs heading. We demonstrate the performance of oursystem in a more controlled environment indoors, and in real natural forestenvironments outdoors.
translated by 谷歌翻译
无人监督的人员重新识别(Re-ID)方法包括使用经过仔细标记的源数据集进行训练,然后对未标记的目标数据集进行推广,即人员身份信息不可用。受域调整技术的启发,这些方法避免了代价高昂,繁琐且经常难以承受的贴标签过程。本文研究了摄像机索引信息的使用,即哪个摄像机捕获了哪个图像,用于监督人员Re-ID。更准确地说,受领域适应对抗方法的启发,我们开发了一个对抗框架,其中特征提取器的输出应该对人Re-ID有用,同时应该欺骗相机鉴别器。我们将所提出的方法称为摄像机对偶传输(CAT)。我们评估对抗性变体,以及每种变体实现的相机稳健性。我们报告了交叉数据集ReIDperformance,我们将我们的方法的变体与几种最先进的方法进行比较,从而表明了在无人监督的人Re-ID的对抗框架内利用相机索引信息的兴趣。
translated by 谷歌翻译
我们提出了第一个声学侧通道攻击,可以恢复触摸屏智能手机或平板电脑虚拟键盘上的用户类型。当用户用手指敲击屏幕时,水龙头会产生一个在屏幕表面和空中传播的声波。我们发现设备的麦克风可以恢复这个波并“听到”手指的触摸,波的扭曲是屏幕上水龙头位置的特征。因此,通过内置麦克风录制音频,当用户在其设备上输入文本时,恶意应用程序会推断文本。我们在Android平板电脑和Android智能手机的真实环境中评估了45名参与者的攻击效果。对于平板电脑,我们在20次尝试中恢复了200个4位数PIN码的61%,即使模型没有受到受害者数据的训练。对于智能手机,我们在常见的侧通道攻击基准测试中恢复了9个大小为7到13个字母,50次尝试的单词。我们的结果表明,依靠TrustZoneto等隔离机制来保护用户输入并不总是足够的。我们提出并讨论硬件,操作系统和应用程序级机制,以更有效地阻止此攻击。移动设备可能需要更丰富的功能模型,更加用户友好的通知系统,用于传感器使用,以及对底层硬件泄露的信息进行更彻底的评估。
translated by 谷歌翻译
面部检测是面部验证和识别之前的重要的第一步。在无约束的环境中,由于姿势,光线,比例,背景和位置的变化,它仍然是一个开放的挑战。然而,出于验证的目的,我们可以对背景和位置进行控制。图像主要被捕获在诸如敏感建筑的入口,门前或背景不变的某个位置的地方。我们提出了一种基于相关性的人脸检测算法,用于检测这些设置中的人脸,我们控制位置,并使照明,姿势和比例不受控制。在这些场景中,结果表明我们的算法训练简单快捷,优于Viola和Jones面部检测精度,测试速度更快。
translated by 谷歌翻译
流行病情报涉及使用信息(例如医院记录)和非正式来源(例如网络上的用户生成的文本)检测疾病爆发。在本次调查中,我们讨论了使用文本数据集的流行病学智能方法,将其称为“基于文本的智能智能”。我们从两大类来看过去的工作:健康提及分类(从大量选择相关文本)和健康事件检测(从相关文本集合中预测流行事件)。我们讨论的焦点是这两个类别的基本计算语言技术。该调查还提供了关于流行病情报的注释技术,资源和评估策略的最新技术细节。
translated by 谷歌翻译
虽然指数乘积(POE)公式在串行连杆机器人的运动学建模中越来越受欢迎,但由于其对机器人的直观和简洁的几何解释,因此仍然是最广泛使用的Denavit-Hartenberg(D-H)符号。本文开发了一种解决方案,将POE模型自动转换为具有旋转,棱柱和螺旋关节的机器人的D-H模型,这是一套完整的三基本一自由度下对关节,用于构造一个串联机器人。所开发的转换算法可用于诸如校准的应用中,其中需要将D-H模型转换为用于识别的POE模型,然后返回到D-H模型以进行补偿。本文证明的两种模型的等价性也有利于对运动学参数可识别性的分析。发现一般POE模型中可识别参数的最大数量是5h + 4r + 2t + n + 6其中h,r,t和n分别代表螺旋,旋转,棱柱和一般关节的数量。还建议D-H模型中基础框架和工具框架的可识别性受到限制,而不是先前假设的任意六个参数。
translated by 谷歌翻译
我们在Clifford电路之间提出了一个方程组,它们都可以在ZX演算中导出,并在Quantomatic proofassistant中形式化为重写规则。通过将这些规则与Quantomatic战术语言中定义的一些非平凡的简化过程相结合,我们演示了使用Quantomatic作为电路优化工具。我们证明该系统总是将一个或两个量子比特的Clifford电路减小到它们的最小形式,并且给出了数值结果,证明了它在更大的Clifford电路上的性能。
translated by 谷歌翻译
转型人工智能技术有可能在不久的将来重塑社会的关键方面。但是,为了适当地为这些技术的到来准备政策,需要准确的预测和时间表。在2018年夏季(ICML,IJCAI和HLAI会议)对三个AI会议的与会者进行了一项调查。该调查包括在下一个十年评估AI能力的问题,预测变革AI的五个场景的问题以及关于计算影响的问题。人工智能研究中的资源。受访者表示,人工任务的中位数为21.5%(即人工目前支付的所有任务)现在可以实现自动化,并且这个数字将在5年内上升到40%,在10年内上升到60% 。中位数预测表明,人工智能系统有50%的概率能够在25年内实现90%的当前人工任务自动化,并在50年内实现99%的当前人工任务。发现出席会议对所有预测产生了统计上的显着影响,HLAI的与会者提供了更加乐观的时间表,而且不确定性较低。这些研究结果表明,人工智能专家预计人工智能技术的重大发展将在未来十年内持续到可能对社会产生深远变革影响的程度。
translated by 谷歌翻译
卷积神经网络(CNN)广泛用于解决计算机视觉中的分类任务。然而,它们可能会被误导为错误分类,特别是精心设计的“对抗性”样本 - 以及为了使一个模型工作而构建的样本与在同一任务中训练的其他模型相比非常好。在本文中,我们介绍了Sitatapatra,一种旨在阻止对抗样品转移的系统。它使用密钥使神经网络多样化,作为密码学,并提供检测攻击的机制。更重要的是,当检测到对抗样本时,它们通常可以追溯到用于开发它们的个体设备。运行时间开销最小,允许在受约束的系统上使用Sitatapatra。
translated by 谷歌翻译
智能手机上的普遍用户认证方案依赖于明确的用户交互,其中用户键入密码或呈现生物特征提示,例如面部,指纹或虹膜。除了对用户来说麻烦且突兀之外,这种认证机制还引起安全和隐私问题。无源认证系统可以通过频繁地且不引人注意地监视用户与设备的交互来解决这些挑战。在本文中,我们提出了一种用于被动身份验证的连体长短期内存网络架构,可以在不需要任何明确认证步骤的情况下验证用户。我们获得了一个数据集,包括来自37个用户的30个智能手机传感器模式的测量值。我们评估我们对8种主要模式的方法,即击键动力学,GPS定位,加速度计,陀螺仪,磁力计,线性加速度计,重力和旋转传感器。实验结果发现,在3秒内,真正的用户可以正确地验证97.15%的时间错误接受率为0.1%。
translated by 谷歌翻译