XiaoMi-AI文件搜索系统
World File Search System交互行为
微型旋翼飞行器姿态控制方法及实现...
摘要。构建了一种基于自然交互行为手势的微型旋翼飞行器控制方法。为了实现通过手势控制微型旋翼飞行器的飞行姿态，通过Leap Motion控制器获取手掌平放姿态数据，通过坐标系变换和姿态角变换将数据转换为不同坐标系之间的旋翼飞行器姿态控制命令，并通过无线传输模块与微型旋翼飞行器进行通信，搭建了微型旋翼飞行器控制系统，实现了对旋翼飞行器的上升、悬停、降落、俯仰等飞行动作的控制。在实际实验中，通过不同的手势实现了对微型旋翼飞行器的飞行姿态控制。通过手势控制微型旋翼飞行器更符合自然交互的特点，是人机交互的一种延伸。
基于论证的人机协作，支持行为改变以改善健康
本文介绍了一项基于论证的数字伴侣的实证需求引出研究，该研究旨在支持行为改变，其最终目标是促进和促进健康行为。这项研究由非专家用户和健康专家共同进行，部分由原型开发提供支持。它侧重于以人为本的方面，特别是用户动机，以及对数字伴侣的角色和交互行为的期望和看法。根据研究结果，提出了一个框架，用于定制代理的角色和行为以及论证方案。结果表明，数字伴侣在论证上挑战或支持用户态度和选择行为的程度以及伴侣的自信和挑衅程度可能会对用户接受度以及与数字伴侣互动的效果产生实质性和个性化的影响。更广泛地说，结果初步揭示了用户和领域专家对论证对话的“软”元级方面的看法，表明未来研究的潜力。
探索AI在客户服务通信中的作用...
AI聊天机器人对客户服务的改善非常重要，从而为企业提供了有效，迅速为客户服务的权力。在与交付服务相关的行业中，聊天机器人是用户在支持他们的问题，解决问题和管理订单方面的第一个联系点。他们加快了互动的步伐，这对企业来说是无价的，这些企业将尽一切可能增强客户满意度。但是，用户与AI聊天机器人的交互行为根本不一致。一些用户认为它们是有用且高效的，但其他用户抱怨响应无效和许多其他功能问题。本研究探讨了AI聊天机器人系统在交付应用程序中有关用户交互的功效。该研究有助于在平台上找到主要优势，使其能够响应与订购和交付相关的问题，并具有不正确或不正确的响应。这是通过研究消费者的反馈和对使用相同的组织的洞察力的研究，对基于交付的聊天机器人的总体表现的摘要报告。最后，这应该让位于有用的建议中，这可能对组织增强其聊天机器人系统以更好地满足消费者期望和整体用户体验有帮助。
使用可穿戴技术进行癫痫的自动响应测试：Artie Watch
视频电脑摄影（VEEG）监测以记录患者的习惯性自发癫痫发作（Devinsky等人2018）。可以在癫痫发作的发作和帖子阶段进行癫痫监测单位（EMU）人员通过癫痫监测单位（EMU）人员进行临床电子生理相关性和交互行为评估。此类评估是互动性的，由用于评估语言，方向，记忆和运动功能的一系列命令组成。这些行为评估有助于基于癫痫发作和局灶性缺陷的癫痫发作类型分类。癫痫发作期间行为测试的结果对于诊断和治疗建议很重要（Beniczky等，2016）。但是，目前行为测试存在实质性差异，目前它在很大程度上仅限于接受EMU评估的住院患者的应用（Hamandi等，2017）。缺乏标准化的行为评估限制了我们利用大量行为数据来揭示不同行为表型的能力（Hanrahan等，2021; Toulomes et al。2016; Kinney，Kovac，Diehl 2019）。此外，临床癫痫学的基本差距是癫痫发作的癫痫发作学的客观表征。
与交通信号灯和标志的自动驾驶汽车的交互数据集
本文介绍了一个综合数据集的开发，该数据集捕获了自动驾驶汽车（AV）和交通控制设备之间的相互作用，特别是交通信号灯和停车标志。源自Waymo Motion数据集，我们的工作通过提供有关AVS如何导航这些流量控制设备的现实轨迹数据来解决现有文献中的关键差距。我们提出了一种从Waymo Motion数据集中识别和提取相关交互轨迹数据的方法，该数据集并入了37,000多个实例，并带有交通信号灯和44,000个带有停车标志的实例。我们的方法包括定义规则以识别各种相互作用类型，提取轨迹数据，并应用基于小波的DeNoising方法来平滑加速度和速度概况并消除异常值，从而提高轨迹质量。质量评估指标表明，在所有相互作用类别中，这项研究中获得的轨迹在加速度上具有异常比例，而混蛋轮廓降低到接近零水平。通过公开提供此数据集，我们旨在解决包含带有交通信号灯和标志的AV交互行为的数据集中的当前差距。基于有组织和发布的数据集，我们可以在与交通信号灯和标志互动时对AVS行为有更深入的了解。这将促进对现有运输基础架构和网络的AV集成的研究，从而支持开发更准确的行为模型和仿真工具。
目前使用可穿戴设备进行在线情绪感知的挑战
情绪感知的诸多方法包括：压力下的手机交互行为分析[12]、情绪与智能手机使用之间的相关性[11]），无论是从开展研究还是构建情绪感知应用的角度。在各种不同的情绪感知方法中 [17]，最广泛使用的情绪测量方法是主观经验的自我报告[13]。这要求参与者意识到自己经历过的情绪，并通过评定量表准确地反映他们的现象意识[13]。虽然自我报告被认为是收集真实数据的黄金标准[17]，但自我报告容易出现不准确性；因此，如何客观测量人类情绪的问题仍然没有答案[4]。研究人员试图使用生理测量[15]，如脑电图 (EEG)、心电图 (ECG)、体温和皮肤电活动 (EDA) 来客观地量化人类的认知状态。另外，许多方法是基于视觉或音频的方法（例如面部表情和声音）。在这里，生理测量有助于理解情绪状态，因为它们代表了无法轻易控制或隐藏的非自愿反应[16]。然而，由于需要不断监测生理测量，隐私受到威胁[10，15]。特别是，情感计算研究人员现在依赖于非侵入性、随时可用且多功能的可穿戴设备来收集各种类型的生理数据（参见[2，18]）。测量生理信号是实时提取用户情绪的第一步。下一个挑战是如何分析和解释这个数据流。在本文中，我们确定了使用可穿戴传感器进行情绪感知的挑战和未来方向。我们首先总结了最近被研究人员广泛用于情绪感知的现有可穿戴传感器。然后，我们强调了有望有益于可穿戴情绪感知研究的未来方向。