全局检索与知识浏览
跨论文、博客、数据集线索、项目和工具统一检索。检索结果可以继续跳转到独立问答页，做语义追问和来源核验。
NASA 已选定 SpaceX 为其 StarBurst 任务提供发射服务。StarBurst 是一颗小型卫星，旨在研究中子星并合及短伽马射线暴的起源。该卫星将搭乘 Falcon 9 火箭执行 Bandwagon 拼车任务，从佛罗里达州卡纳维拉尔角太空军基地的第 40 号航天发射场发射 […]
城市将保留对其辖区内此类经济适用房选址的控制权。
弗吉尼亚州阿灵顿 — 2026年9月17日 — Open Geospatial Consortium (OGC) 今日宣布，Cesium 创始人、Bentley Systems 首席平台官 Patrick Cozzi 当选为 OGC 董事会董事。Cozzi 在开放标准、3D 地理空间技术及开发者社区建设方面拥有深厚经验。作为 Cesium 的创始人及长期……
Flock 对其车牌识别器的组装地点披露甚少，但这一信息可能具有地缘政治和网络安全影响。
Hagidong House 2 坐落于大田广域市 Hagidong 的一处缓坡地块上。该住宅的主要设计理念是为四口之家提供私密性，其构思源自韩国传统建筑韩屋（Hanok）。
该片区整体更新由欧阳路街道办事处统筹协调。上海市政工程设计研究总院（集团）有限公司（SMEDI）主导总体国土空间规划及EPC（设计-采购-施工）总承包，并将文化与商业策划深度融入全过程。Scenic Architecture Office提供城市与建筑风貌咨询顾问服务，并负责三个关键微更新节点的详细设计工作。通过精准的定位策划与细致的社区调研，项目协作团队共同确立了“修补、日常、共生”的核心更新原则。通过重组街区动线与公共空间，以针灸式介入取代粗放式的拆改，逐步修复城市缝隙，唤醒街区的潜在活力与人情温度。
Nurovi 系列包含三款搭载激光雷达技术的扫地机器人。但若想购买笔者最感兴趣的型号，需具备 Costco 会员资格。
尽管人们对 AI 模型失控的担忧日益加剧，但相关立法似乎难以出台，白宫更是明确反对监管。
NASA于9月10日举行剪彩仪式，庆祝其关岛远程站（Guam Remote Station）的全面恢复，标志着自2023年超强台风玛娃（Super Typhoon Mawar）摧毁该站点以来历时三年多的重建工作正式结束。来自全机构的工程师于7月1日完成了重建工作中最后且最复杂的一步，即重新启用……
季节性变化导致地球周围的水重新分布，足以使地球的质心相对于其几何中心发生几分之一英寸的往复移动。NASA科学家正在追踪这些振荡，因为地球质心是卫星导航和高程测量的关键参考点。一个由……领导的团队
Mid-America Apartments 和 JBG Smith 同意接受财务处罚及限制措施，以解决其利用该技术抬高租金并共享机密住房数据的指控。
研究人员正在考察巴士、有轨电车和列车的剩余运力是否有助于缓解货运压力。本文最初发表于 Cities Today。
许多数据集表现为在不规则时间间隔上观测的多变量时间序列，尤其在地球观测和天文测量中。经典时间序列模型假设时间是离散的且观测发生在等间距的时间点，这限制了其在观测间隔变化时捕捉动态的能力。现有的不规则采样方法依赖于连续时间公式，并假设观测间隔足够小。我们通过引入一个离散时间框架来解决这一局限性，该框架能够适应不规则的观测间隔，同时保留多变量依赖结构。我们提出了一个基于超复数自回归过程的不规则观测多变量时间序列分析框架。该框架将多变量观测嵌入超复数代数结构中，使得多个变量及其相互作用可以在单个数学实体中表示，同时纳入不规则的观测间隔。由此产生的过程具有结构化矩阵表示，使模型能够表达为状态空间系统。这种公式提供了一种估计方法，其中可以使用卡尔曼滤波技术推断模型参数。状态空间表示允许在存在不规则采样间隔的情况下进行递归估计和预测。该方法论的性能通过遥感及天文数据集的应用得到验证，这些数据集的观测发生在非均匀时间间隔上。结果表明，该方法能够捕捉传统时间序列技术难以建模的动态特征和跨变量相互作用。所提出的框架为分析不...
得克萨斯州韦科市已任命Gustavo Alba为其新任首席信息官。该文章《Waco appoints Gustavo Alba as CIO》最初发表于Cities Today。
旨在迁至与城市环境完全相反的场所，KUSKA 由此诞生——该名称源自克丘亚语，意为“在一起”。空间被构想为一位作家和一位手工艺人的主要居所，同时也设计用于接待朋友、家人及驻留艺术家。
标普全球分析师认为，高电价和水价构成“潜在风险”，但经济适用房和可持续债务领域正呈现发展势头。
应急管理援助项目（如救灾物资分发）对于向受灾社区提供必要物资至关重要。然而，这些项目在由地方中心组成的去中心化网络中运行，各中心面临不确定的局部需求和供应动态，导致本地服务可用性不一致。在这些地方中心之间重新分配物资可以缓解这种不平衡，但各中心往往在信息有限且交通中断的情况下独立做出决策。本研究开发了 CoRe-MARL，这是一个协作多智能体强化学习（MARL）框架，通过构建去中心化部分可观测马尔可夫决策过程（Dec-POMDP）来实现。我们将每个中心视为一个智能体，学习一种再分配策略，以改善最差情况区域的服务水平并缩小区域间的服务差距，同时保障全网服务水平。我们引入了一种循环网络，用于捕捉无需直接观测即可演变的供需动态，而多智能体近端策略优化（MAPPO）则实现了集中式训练和分布式执行（CTDE）。我们在具有多样化轨迹的模拟环境中评估该框架，其中行动者和 MAPPO 评论家均无法观测到确切的动态。我们将循环 MAPPO 与循环独立 PPO（IPPO）以及仅本地启发式方法进行比较，发现 MAPPO 能够减少地方中心之间的服务差距，提升服务最差中心的服务水平，同时保持具有竞争力的全网服务水平。循环 MAPPO 在多样化的轨迹模式中表现出一致的性能，证明了其适应演变动态的能力。研究结果展示了协作学习在去中心化再分配中的能力。
面向自动驾驶的最先进视觉-语言-动作（VLA）模型面临关键局限：参数规模过大、高分辨率图像处理效率低下以及缺乏时序记忆。我们提出 Fast and EffectIVE VLA（FIVE-VLA），通过两项核心贡献解决上述问题。首先，采用高效的视觉编码器处理高分辨率（448 × 896）图像，仅生成 98 个 token，比现有方法减少超过 5 倍，并完全绕过文本生成以实现单步轨迹预测。其次，提出循环动作记忆（Recurrent Action Memory, RAM），这是一种轻量级模块，利用先前动作 token 对动作预测进行条件约束，为超车和紧急制动等机动操作提供关键的时序上下文。FIVE-VLA 仅有 6.41 亿参数，在具有挑战性的 Bench2Drive 闭环驾驶基准测试中，相比此前最先进的 VLA 模型，无交通违规规则完成的路线比例高出约 10%。在大规模真实世界 NVIDIA Physical AI AV 数据集上的非反应式开环仿真显示，其碰撞违规率分别比 SimLingo 低 10.2%（单视图设置）和 7.7%（四视图设置）。此外，FIVE-VLA 在 A100 GPU 上运行速度约为 30 fps，在 T4 GPU（作为边缘设备的代理）上约为 4 fps，相比先前方法实现了 8 至 30 倍的加速。
自动驾驶中的安全运动规划需要预判不断变化的交通风险，并决定何时修正当前规划的轨迹。我们提出了 RiskWorld，一种用于共享占用预测和选择性轨迹替换的风险感知世界建模框架。该框架将空间风险场和时间行为者上下文与视觉鸟瞰图特征进行融合。通过流引导演化传输占用和场景特征，并利用带符号残差在传输后校正占用状态。每个规划步骤生成一次预测结果，并在所有候选方案中复用。通过将每个候选方案与当前状态持久性参考进行比较，得出非负的碰撞评分修正值。由当前世界评估选定的轨迹作为规划锚点，仅当额外预测的风险触发干预且替代方案满足关于预测风险和轨迹误差的分量约束时，才对其进行替换。候选几何形状保持不变。我们在 nuScenes 数据集上利用相机特征、标注衍生的当前和历史行为者状态以及数据集提供的地图上下文，对 RiskWorld 进行了开环规划评估。RiskWorld 在 3 秒的长评估视界下实现了最低的碰撞率，并在多种最先进基线中取得了第二好的平均 L2 误差，同时在单张 NVIDIA RTX 4090 显卡上以 11.5 FPS 运行，参数量为 90.81 M。设置内消融实验表明，RiskWorld 的碰撞率低于当前状态重评分基线，而预测结果的复用使得能够以较低的边际计算成本评估额外的候选方案。
高斯 Whittle-Matérn 场构成了紧致度量图上一类灵活的高斯过程，其空间依赖性通过分数阶随机偏微分方程由网络的几何结构和连通性决定。本文针对具有马尔可夫性质的半整数光滑度参数情形，发展了这些场的一种新的桥表示。该表示将场分解为有限维的图分量以及各条边上独立的 Whittle-Matérn 桥过程。由此产生的分解方法可实现高效的似然评估、克里金预测和模拟。研究表明，与以往方法相比，该方法提高了数值稳定性并显著减少了计算时间。在芝加哥街道网络图上的模拟研究展示了采样方法的计算效率，而对马德里交通强度数据的应用则证明了其在基于似然的推断和预测中的实际优势。相关方法已在 R 包 MetricGraph 中实现。
在线多相机 3D 跟踪需在同步视图中维持场景全局身份，但基于查询的跟踪器仅在实例库中隐式携带这些身份，导致查询中断时身份碎片化。本文提出一种在线架构，通过在循环稀疏查询上显式预测 ID 来恢复关联精度。采用由外向内的 Sparse4D 检测器将校准视图融合为世界坐标系下的 3D 检测结果，并传播稀疏查询库；同时利用因果 MOTIP ID 解码器在有限轨迹记忆中对检测结果进行关联。我们将 MOTIP 的相对 ID 预测和回收槽位运行时机制适配至全局融合的 3D 观测数据，并引入度量空间门控及基于邻近度的新生目标恢复机制。在官方 2026 AI City Challenge Track 1 测试集上，该方法将 HOTA 从使用原生实例库身份的 29.63 提升至 38.01，主要得益于 AssA 从 20.83 增至 31.10，并在公开排行榜中位列第三。对每个场景全部 9,000 帧进行的完整序列验证表明，解耦 ID 训练相较于原生身份能提升 HOTA，而在分离 ID 目标的同时继续训练检测器则会产生依赖于场景的增益与损失。
2026年10月5日至11日，墨西哥城将再次通过“2026墨西哥设计周”（#DWM26）的开幕成为全球创新与创意卓越的中心。本届活动秉持更为广泛和多元的策展愿景，邀请公众及设计专业人士从全球性、流动性和包容性的视角反思设计，超越传统方法。在这一国际框架下，智利作为主宾国成为焦点。智利顶尖设计师的作品将在DWM26的各个平台上展出，促进关于拉丁美洲设计身份与未来的有意义对话。