基于LiDAR引导的几何预训练方法提升视觉中心3D目标检测性能 背景介绍 近年来，多摄像头3D目标检测在自动驾驶领域受到了广泛关注。然而，基于视觉的方法在从RGB图像中精确提取几何信息方面仍面临挑战。现有的方法通常利用深度相关任务对图像骨干网络进行预训练以获取空间信息，但这些方法忽略了视角转换的关键问题，导致空间知识在图像骨干和视角转换模块之间存在错位，从而影响了性能。为了解决这一问题，本文提出了一种新颖的几何感知预训练框架——GAPretrain。 论文来源 该论文由Linyan Huang, Huijie Wang, Jia Zeng等作者撰写，他们分别来自厦门大学人工智能系、上海AI实验室OpenDriveLab以及上海交通大学。论文发表于《International Journal ...

漂浮式全向液滴振动发电器：突破性研究 学术背景 随着物联网（IoT）设备在海洋环境监测中的广泛应用，如何在不依赖电网的情况下为这些设备提供稳定电力成为了一个亟待解决的问题。传统的风力、太阳能等可再生能源在海洋环境中存在局限性，而摩擦电纳米发电机（Triboelectric Nanogenerator, TENG）因其高效的机械能转换能力被认为是一种有潜力的解决方案。然而，现有的TENG设备大多依赖于固体-固体界面摩擦，存在磨损问题，限制了其长期使用。此外，许多液滴基TENG只能单向收集能量，无法适应海洋环境中不可预测的多向波动。 为了解决这些问题，研究团队提出了一种基于液滴的全向振动发电器（Floating Droplet-based Electricity Generator, FDEG）...

智能船舶自动驾驶的非线性固定时间强化学习优化控制研究 近年来，智能自动驾驶技术逐渐成为自动化控制领域的研究热点之一。在复杂的非线性系统中，优化控制策略的设计，尤其是在固定时间内实现系统稳定性和性能优化方面，是控制工程师和研究人员面临的重要挑战之一。然而，现有的固定时间控制理论在实现系统状态收敛时，往往忽略了资源利用效率和平衡问题，这可能导致过度补偿或欠补偿的现象，从而使系统的稳态误差增加。此外，对于如何在时间限定内实现非线性不确定性估计误差的最小化，相关研究依然较少。因此，本研究旨在提出一种自适应复合固定时间强化学习优化控制解决方案，进一步解决这一关键问题。 研究背景及目的 固定时间控制理论自提出以来，由于收敛时间不依赖于初始状态的特点，其应用得到了广泛关注。相比有限时间控制方法，固定时间控...

盐沼地形揭示风暴潮驱动沉积的特征 学术背景 盐沼（salt marshes）是位于低洼、受保护海岸线的过渡带，介于陆地与海洋之间。它们是地球上最具生产力和最脆弱的生态系统之一，提供了碳封存、水质改善、生物多样性保护、野生动物栖息地和海岸线保护等重要生态服务。然而，随着海平面上升和人类活动的加剧，盐沼正面临消失的威胁。盐沼的垂直演化主要依赖于沉积过程，这些过程通过沉积物的积累来抵消海平面上升带来的淹没风险。传统观点认为，潮汐洪水是盐沼沉积的主要机制，但风暴潮和波浪也可能对沉积物的再分配和沉积模式产生深远影响。因此，研究风暴潮对盐沼沉积的贡献及其对地形的影响，对于理解盐沼的演化机制和保护这些生态系统具有重要意义。 论文来源 这篇论文由Davide Tognin、Andrea D’Alpaos、M...

海底峡谷冲刷事件中的重力流动力学新见解 学术背景 海底峡谷是连接陆地与深海的重要通道，其形成和演化机制一直是海洋地质学研究的重点之一。然而，由于海底峡谷冲刷事件的破坏性和罕见性，相关观测数据极为稀缺。这些事件通常由地震、滑坡等自然灾害触发，能够将大量沉积物从近岸输送到深海，对海底地貌和生态系统产生深远影响。尽管已有一些理论模型和实验室实验试图解释这些过程，但缺乏高分辨率的实地观测数据，导致对重力流（如泥石流和浊流）的动力学机制理解不足。 本文旨在通过高分辨率的多波束测深数据、侧扫声呐和海底视频图像，揭示2016年新西兰凯库拉（Kaikōura）地震引发的海底峡谷冲刷事件中的重力流动力学特征。研究重点关注重力流从泥石流向浊流的转变过程，以及浊流在峡谷中的动态变化，为理解海底峡谷的形成和演化提供...