分布式感知与超维计算实现非视距目标感知
热点事件持续更新
分布式感知与超维计算实现非视距目标感知
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Placido Mursia 等作者提出一种非视距被动目标感知框架：仅依赖通信基础设施的分布式信道测量，对机器人视场外的被动实体进行风险感知分类，并用超维计算将测量嵌入高维表示，无需显式信道重建。 作者称，基于商用光线追踪的数值仿真和 ROS 智能工厂场景验证显示，在严重遮挡下准确率最高达 89%，同时保持较低计算复杂度，并改善了安全性和路径规划。上述效果来自作者报告的仿真与验证结果。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
利用分布式感知与超维计算实现非视距被动目标感知报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.RO利用分布式感知与超维计算实现非视距被动目标感知
论文提出一种仅依赖通信基础设施分布式信道测量的框架，用于感知机器人视场外的被动实体并进行风险感知分类。该方法用超维计算（HDC）将测量嵌入高维表示，无需显式信道重建；基于商用光线追踪的数值仿真和 ROS 智能工厂场景验证显示，在严重遮挡下准确率最高达 89%，并保持较低计算复杂度。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。