论文阅读（四）

最新推荐文章于 2024-10-08 23:09:55 发布
最新推荐文章于 2024-10-08 23:09:55 发布
阅读量68 收藏
点赞数
分类专栏： 论文阅读 文章标签： 论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_69288251/article/details/130223033
版权
该研究利用非线性模型预测控制（MPC）和内点法，结合CasADi工具，设计了一种避免前方障碍物的车辆控制系统。车辆模型基于单轨3DOF，轮胎模型采用刷子模型。在20m和45m处出现障碍时，通过调整前轮转角和前后轮纵向力来实现避障。考虑了横向力和纵向力的耦合作用，并在实车试验中验证了方法的有效性。
摘要由CSDN通过智能技术生成

题目：Coordinating Tire Forces to Avoid Obstacles Using Nonlinear Model Predictive Control。DOI:10.1109/TIV.2019.2955362

车辆模型：单轨3DOF，考虑载荷转移

轮胎模型：刷子模型

控制器：非线性MPC控制，内点法+CasADi求解

控制量：前轮转角；前后轮纵向力

状态量：

测试场景：前方20m和45m突然出现左右两个障碍物，初始车速17m/s。

为什么能发TIV?

  1. 关于车辆和障碍物之间的处理。车辆看做两个圆，障碍物当做一个圆，求得之间的距离，衡量避障功能。【涉及到曲率坐标系和笛卡尔坐标系的转换】
  2. 考虑了横向力和纵向力的耦合关系
  3. 进行了实车试验
爱学习的小玉
关注
专栏目录
论文阅读笔记模板
08-19
【论文阅读笔记模板】 在计算机科学与技术领域，学术论文是知识传播的重要载体，而有效阅读和理解论文是提升专业技能的关键步骤。以下是一个适用于计算机相关专业论文阅读的笔记模板，旨在帮助读者系统地记录、理解...
论文阅读报告1
08-03
这篇论文阅读报告主要介绍了在 MIPS R10000 处理器平台上进行性能分析的方法，目的是为了帮助程序开发者优化程序并提升性能。MIPS R10000 使用硬件性能计数器来统计不同类型的事件，如缓存未命中、缓存数据一致性...
Confidential Computing within an AI Accelerator 论文阅读
01-16
Confidential Computing within an AI Accelerator 论文阅读 Confidential Computing within an AI Accelerator 是一篇关于在 AI 加速器中实现机密计算的论文。该论文介绍了一种名为 IPU Trusted Extensions (ITX) ...
系统分析师四篇经典论文
03-18
在IT行业中，系统分析师扮演着至关重要的角色，他们负责理解业务需求，...通过深入阅读和研究这四篇经典论文，系统分析师不仅可以提升专业技能，还能拓展视野，理解行业的前沿动态，从而更好地服务于组织的IT战略目标。
四抓四到位-论文.zip
08-18
尽管以上内容是根据一般情况推测的，但具体的论文内容需要解压文件后阅读才能了解。总的来说，这篇论文可能为读者提供了一种新的视角或方法，用于改进IT项目管理和实践，以达到更高效、更高质量的工作成果。
论文笔记：LAFF 文本到视频检索的新基准
zly_Always_be的博客
10-01 1212
整理了ECCV2022 Lightweight Attentional Feature Fusion: A New Baseline for Text-to-Video Retrieval 论文的阅读笔记
论文笔记：Online Class-Incremental Continual Learning with Adversarial Shapley Value
weixin_47505105的博客
10-04 417
这篇工作的focus 是 memory-based approach。
GS-SLAM论文阅读笔记-CaRtGS
qq_45795134的博客
10-04 1394
Nerf虽然有前景，但将NeRF集成到SLAM系统中遇到了几个障碍，包括高计算需求，长时间的训练，有限的泛化性，过度依赖视觉线索，以及对灾难性遗忘的敏感性。现有的高斯飞溅SLAM (GS-SLAM)方法在处理有限数量的高斯原语时，难以在实时约束下实现卓越的渲染性能。这些问题源于算法的计算需求与可用处理资源之间的不一致，这可能导致训练和优化过程不足。MonoGS和SplaTAM是对耦合GS-SLAM算法的开创性贡献，它们开创了一种通过梯度反向传播同时优化高斯原语和相机姿态估计的方法。
论文笔记：Anytime Continual Learning for Open Vocabulary Classification
weixin_47505105的博客
10-01 674
在开放词汇表图像分类中，随着时间的推移，模型需要不断学习新的标签，同时保留对旧标签的记忆。
GS-SLAM论文阅读笔记-MGSO
qq_45795134的博客
10-04 884
然而，现有的基于3dgs的SLAM系统难以平衡硬件简洁性、速度和地图质量。大多数系统在上述的一个或两个方面表现出色，但很少能做到全部。一个关键问题是在同时进行SLAM时初始化高斯的困难。传统上，SLAM系统提供语义差的地图表示，对定位和基本导航有效，但缺乏复杂任务所需的细节。解耦的稠密地图SLAM一个关键挑战是SLAM和密集重建组件之间缺乏协同作用。SLAM算法往往不能为高质量的密集重建提供最优数据，从而影响系统的整体性能。
车辆重识别（2021NIPS在图像合成方面，扩散模型打败了gans网络）论文阅读2024/10/01
vegetabler的博客
10-01 549
向分类器中输入xt，发现与真实类别匹配概率小，计算对xt的梯度，让xt以一定的包含梯度的步幅进行移动，使得匹配概率增加。其实这里有点像之前卷积神经网络中参数w更新的原理，w也是在梯度方向上移动，以此来使得loss值最小。但是这两种算法不是简单的对xt进行处理，①是对预测的均值μ进行处理，让均值μ在梯度方向上移动。另外，s可以叫做学习率，主要是控制在梯度方向上移动的步幅，和之前卷积神经网络中的w更新公式中的学习率差不多。2，那么具体来说，如何根据当前时刻xt的梯度，来调整xt？BigGAN残差块是什么意思？
论文阅读笔记-XLNet: Generalized Autoregressive Pretraining for Language Understanding
mohen_777的博客
10-08 596
XLNet预训练阶段和BERT差不多，不过去除了Next Sentence Prediction，作者发现该任务对结果的提升并没有太大的影响。输入的值还是 [A, SEP, B, SEP, CLS]的模式，A与B代表的是两个不同的片段。更详细的实现细节可以参考论文源码。仍使用自回归语言模型，未解决双向上下文的问题，引入了排列语言模型。
《论文阅读》PECER：通过动态人格提取和情境情绪推理产生同理心反应 ICASSP 2024
MyHeartWillGoOn
10-01 463
亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~无抄袭，无复制，纯手工敲击键盘~今天为大家带来的是《PECER: Empathetic Response Generation Via Dynamic Personality Extraction And Contextual Emotional Reasoning》出版：ICASSP时间：2024类型：共情回复生成特点：回复生成；共情回复；动态个性；个性提取作者：Mingxiu Cai。
论文笔记：微表情欺骗检测
zly_Always_be的博客
10-05 974
整理了AAAI2018 Deception Detection in Videos 论文的阅读笔记。
论文笔记：基于细粒度融合网络和跨模态一致性学习的多模态假新闻检测
zly_Always_be的博客
10-01 1152
整理了MMAsia2023 Cross-modal Consistency Learning with Fine-grained Fusion Network for Multimodal Fake News Detection 论文的阅读笔记
10、论文阅读：基于双阶对比损失解纠缠表示的无监督水下图像增强
DQHNB的博客
10-07 1075
在水下环境中拍摄的图像通常会受到颜色失真、低对比度和视觉质量下降的影响。大多数现有的方法通过对合成图像或伪参考进行有监督的训练来解决水下图像增强（UIE）问题。然而，由于合成的配对数据与真实世界数据之间存在固有差异，这些数据无法准确复制真实情况，同时伪参考的数量和质量也有限，这在对真实水下图像进行测试时严重降低了模型的泛化能力和性能。相比之下，无监督的方法不受配对数据的限制，更加稳健，并在实际应用中具有更大的潜力。然而，现有的无监督方法无法有效约束网络来训练一个可以适应各种退化情况的模型。
【论文阅读】Segment Anything Model for Road Network Graph Extraction
TKK的博客
10-04 1193
简单来说，本工作将矢量道路线提取的部分流程视为分割任务，利用SAM预训练模型的强大分割能力，实现了SOTA精度和极高的推理速度。
论文阅读笔记-Rethinking Self-Attention for Transformer Models
mohen_777的博客
10-08 652
提出了Synthetic Attention，无需点注意力或基于内容的注意力。提出了Synthesizer，集成了Synthetic Attention的新模型。随机对齐的可学习矩阵一样表现良好。在一些任务重token-token依赖并不是必须的。
车辆重识别（2021NIPS无分类器扩散指南）论文阅读2024/10/08
最新发布
vegetabler的博客
10-08 146
那么对于随机采样的这一时间步，对于这一时间步的网络优化也是参数更新一次就再随机采样下一个时间步吗？还是前一个随机采样的时间步的网络参数彻底优化完全，再对下一随机的时间步进行处理？λ是给出的参数，就像去噪扩散模型中每个时间步的β一样，每一时间步的λ都会给出。这个是zt估计去噪之后的样本数据，然后再从特定的高斯分布中采样的到zt-1，然后再估计去噪后的样本数据。我的意思是在每一个训练轮次中，每一时间步的网络是彻底优化完，再执行下一时间步的扩散然后再优化吗？对于一个初始数据，这个多次具体的次数是给出的。
理解与剖析：阅读计算机科学论文的关键
"这篇文章除了教年轻研究者如何阅读计算机科学（CS）研究论文，还强调了理解论文内容的重要性，以及在阅读时应关注的四个方面：研究问题、动机、贡献和新颖性。" 在计算机科学研究领域，阅读论文是获取新知识、跟踪...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值