知識地圖的案例
知識如何“活”起來？答案盡在知識工程平臺
解決方案：安世亞太的知識工程產品基于系統工程方法的WBS分解，以及工作活動伴隨知識的設計思路，形成知識包，將知識與業務流程結合，在正確的時間，將正確的知識，推送給需要的人。通過知識包，將知識碎片化，定位到解決某項問題的具體內容，為工程師提供有針對性的指導，如：進行某項工作的設計指南、標準規范的具體章節、頁碼、質量案例等。通過知識包的執行，上下游工作之間建立業務數據鏈，明晰了崗位工程師層級工作活動間的輸入輸出關系。構建知識地圖，將日常管理類的活動繪制為知識地圖，將部門使能流程可視化。把工程知識通過二次開發技術嵌入到CATIA工具軟件中，形成智能插件，提高了設計人員對知識檢索和應用的方便性，實現知識工具化。
應用效果：通過知識工程項目，解決了由于人才流失，造成的知識流失，把企業鑄造成鐵打的營盤，流水的兵；通過知識包融合了企業各種管理工作，使得管理真正能夠落地；將經驗教訓在不同產品線傳導，解決質量問題重復發生的困擾，提高了企業的設計質量；工程師可隨用隨取知識，提高工程師學習的效率及工作中的溝通效率；將知識融入設計工具中，極大提高知識的利用率，提升設計師設計能力。
展開 結構強度分析成長之路，我的有限元分析“4321理論”
（2）從理論回到操作中
當了解一部分理論知識以后，再回到軟件操作之中，即可了解:
為什么材料屬性，要輸入某參數，而采用這個參數，會產生什么樣的結果規律；
或者為什么要畫網格，以及網格密度要如何分配；
為什么有些事情，可以簡化為靜力學分析；
為什么網格劃分，要從試算結果的等值線分布規律中判斷，而不是可以對著幾何模型直接操作等等。
一大堆在學習軟件操作過程中，幾乎不會有答案的過程中，找到答案。
再往后，繼續看理論書與軟件操作書籍，并將關鍵思路與結論，進行截圖筆記留念。即吸收百家之所長，集百家之所想，并且將曾經零散的，瑣碎的，不連貫的知識點，通過一整套邏輯體架構，聯系為一套知識網絡，即所謂的知識地圖。從而實現華羅庚介紹的“把書讀厚”的過程。
先把書讀薄再把書讀厚，又把書讀薄，而后再讀厚。反復多次，方可取其精華，去其糟粕。
緊跟時代脈搏，
是有限元學習的基本思路
操作案例學習階段，建議搜尋并學習，基于最近5年~10年內，軟件版本與技術的教程。
原則上不建議使用更老版本的教程。是因為隨著軟件功能與技術的革新，其操作界面，使用方法，技術流程等會有較大的變化，以至于無法做到不同版本間，相同操作與功能的完全一一對應。而初學階段最恐懼的，莫過于書上說左上角有個功能a，但是自己的新版軟件里，根本不知道在哪，甚至刪掉的這個功能，從而陷入非常無助的境地。
緊跟時代脈搏，是軟件操作學習的基本思路。只看最近五年的論文，只追求最新行業動態，也是大部分導師，對研究生的基本要求。不是要盲目追求新版軟件，而是與你競爭職位Offer的人，已在學新版的話，你將失去競爭力。
展開 集成研發平臺|突破企業發展瓶頸，提升產品研發質量與效率
知識管理
該模塊包括知識管理、知識推送、知識統計、知識地圖、知識分類、知識檢索等子功能模塊。通過開展知識工程建設，將散落的知識資源進行系統化的梳理與整合，實現知識自動化，提供規范可持續的知識積累手段，并利用智能算法推送伴隨用戶執行工作所需的知識模型，提升工作效率和質量。
數據中心
該模塊是平臺數據管理的基礎，實現數據管理的統一化，既打通了業務執行各個環節的數據通訊和協同，形成有機整體；又完整的保存整個業務執行過程的各項數據，實現過程的可追溯。
03案例：航空工業某單位集成研發平臺
建設目標
以提升產品研發能力為目標，構建集成研發平臺，實現產品研發全過程管理，并將需求、知識、流程、研發工具和過程數據管理貫穿其中，通過信息化工作平臺的統一運行和集成管控，固化全新的產品研發模式，規范研發過程，提升研發質量。
建設成效
通過該平臺的建設，達到以下成果：
? 實現各專業研發流程的梳理與顯性化，明確了產品研發過程與任務；
? 實現了已梳理研發流程的可視化執行；
? 實現了研發業務流程管理與監控；
? 實現了研發工具的規范化使用；
? 實現了過程數據的積累與沉淀；
? 實現對研發知識的有效組織與管理；
? 實現對現有工程數據庫、設計規范、標準、模板的有效管理與重用；
? 實現與項目管理、產品數據管理系統PDM、ERP系統進行有效集成，通過三大系統的集成實現全面的管理、控制與執行的研發體系。
安世亞太集成研發平臺已經廣泛應用于航空、航天、兵器、核工業、煤炭機械內的多家單位，在提升產品協同研發能力、縮短產品研制周期方面，為應用單位帶來了良好效果。
展開 現階段自主仿真軟件突破的核心是什么？
文章來源：CAE知識地圖
免責聲明：本文系網絡轉載，版權歸原作者所有。如涉及版權，請聯系刪除！
暢(wang)想一下GPT時代的仿真軟件
文章來源：CAE知識地圖
作者：畢小喵
精選：王華軍
編輯：劉義美
為什么要了解和學習多款仿真軟件？
有條件的話，不妨多學幾款不同軟件，就像對照不同的教科書一樣，讓你的仿真分析技能加速進步吧
來源于：CAE知識地圖 作者：畢小喵
自主仿真軟件PERA SIM體驗-邊界元聲學
轉載自：CAE知識地圖
作者：畢小喵
本
期
導
讀
Waymo自動駕駛解讀
一些公司使用了GPS，有些又添加了攝像頭和激光雷達信息，但是……
Waymo使用了地圖、激光雷達和GPS來定位車輛。
Google還利用了從Google地圖獲得的經驗。
多年來，谷歌地圖團隊一直致力于使用激光雷達、攝像頭和GPS進行高精地圖繪制。這些是用于自動駕駛汽車的精確傳感器。
Waymo筆記：
雖然Waze和Google Maps都沒有參與Waymo及其定位模塊，但在地圖上積累的經驗非常有益。
谷歌幾乎已經繪制了整個世界的地圖。如果從相對位置檢測到您看到了2號街道，就可以準確地知道您在哪里。這就是他們過去二十年一直在努力的事情。
Waymo的定位模塊由地圖、攝像頭、GPS和算法組成，可在全世界范圍內準確定位車輛。Waymo還在其模塊中使用了大量冗余，以使其更加健壯和可靠。
預測
行為預測
Waymo自動駕駛汽車最重要的特點是行為預測。
谷歌無法像特斯拉那樣利用車隊的力量。特斯拉利用其客戶數十萬輛汽車收集數據。Waymo無法做到這一點；然而，他們擁有自己的車隊，近年來可能會增長很多。
在自動駕駛汽車中，最終想要的是了解人類行為并預測它們。這就是所謂的行為預測。
這些行為預測是使用循環神經網絡進行的：它們使用過去的信息來預測未來的行為。因此，可以確切地知道要做什么，并且可以衡量預測的置信度。
展開 SLAM算法解析：抓住視覺SLAM難點，了解技術發展大趨勢
今天許多運動恢復結構方面的專家都在為世界上一些最大的科技公司，幫助打造更好的地圖。如果沒有關于多視圖幾何、SfM 和 SLAM 的豐富知識，像谷歌地圖這種成功的地圖產品根本就不可能出現。典型的 SfM 問題遵循：給定一個單個室外結構（如大劇場/大體育館）的大型照片集合，構建該結構的 3D 模型并確定每個相機的姿勢。這個照片集合以離線形式處理，而且大型結構重建所需時間從幾小時到幾天不等。
SfM 軟件：Bundler 是最成功的 SfM 開源庫之一
這里給出一些流行的 SfM 相關的軟件庫：
Bundler：一個開源的運動恢復結構工具包
Libceres：一個非線性最小二乘極小化工具（對束調整（bundle adjustment）問題很有用）
Andrew Zisserman 的多視圖幾何 MATLAB 函數
2.視覺 SLAM vs 自動駕駛
研討會的組織者之一 Andrew Davison 表示，盡管自動駕駛汽車是 SLAM 最重要的應用之一，但用于自動化載具的 SLAM 應該有其自己的研究軌道。（而且正如我們所見，研討會的展示者中沒有一個談到了自動駕駛汽車。）在接下來的許多年里，獨立于任何一個圣杯級的應用而繼續在研究的角度上研究 SLAM 是有意義的。盡管在自動化載具方面存在著太多的系統級細節和技巧，但研究級的 SLAM 系統所需的不過是一個網絡攝像頭、算法知識和一點辛勞而已。視覺 SLAM 作為一個研究課題對數以千計的博士生的早期階段要友好得多，他們將首先需要好幾年的使用 SLAM 的實驗室經驗，然后才能開始考慮無人駕駛汽車等昂貴的機器人平臺。
展開 超全SLAM技術及應用介紹
來源 |
計算機視覺life
整理 |
圖像處理知識庫
SLAM (simultaneous localization and mapping),也稱為CML (Concurrent Mapping and Localization), 即時定位與地圖構建，或并發建圖與定位。問題可以描述為：將一個機器人放入未知環境中的未知位置，是否有辦法讓機器人一邊逐步描繪出此環境完全的地圖，所謂完全的地圖（a consistent map）是指不受障礙行進到房間可進入的每個角落。SLAM最早由Smith、Self和Cheeseman于1988年提出。由于其重要的理論與應用價值，被很多學者認為是實現真正全自主移動機器人的關鍵。
詞語解釋
Simultaneous Localization and Mapping
Simultaneous Localization and Mapping, 同步定位與建圖。
SLAM問題可以描述為: 機器人在未知環境中從一個未知位置開始移動,在移動過程中根據位置估計和地圖進行自身定位,同時在自身定位的基礎上建造增量式地圖，實現機器人的自主定位和導航。
Scanning Laser Acoustic Microscope
Scanning Laser Acoustic Microscope, 激光掃描聲學顯微鏡。
激光掃描聲學顯微鏡是一種強有力的廣泛應用于諸如工業用材料和生物醫學領域的無損檢測工具，其使用的頻率范圍為10MHz ~ 500MHz。
展開 