XiaoMi-AI文件搜索系统
World File Search System人形
从自然互动和大型语言模型中对人形机器人行为的增量学习
摘要 - 自然语言对话框是直观人类机器人相互作用的关键。，它不仅可以用来表达人类的意图，而且可以传达改进的指示，如果机器人无法正确理解命令。非常重要的是，将机器人赋予以渐进的方式从这种互动经验中学习的能力，以使他们能够改善自己的行为或避免将来犯错。在本文中，我们提出了一个系统，以从自然相互作用中实现复杂行为的增量学习，并证明其在人形机器人上的实现。基于最新进展，我们提出了一个系统，该系统基于使LLM能够在交互式控制台中生成Python语句以调用机器人感知和动作的互动式陈述的想法，从而将大型语言模型（LLMS）用于机器人行为的高级编排。通过将人类指示，环境观察和执行结果馈送到LLM，从而封闭了交互环路，从而告知下一个陈述的生成。具体来说，我们引入了增量提示学习，这使系统能够从错误中进行交互学习。为此，LLM可以将另一个负责基于人类反馈的当前交互的LLM调用。然后将改进的交互作用保存在机器人的内存中，从而在类似的请求中检索。我们将系统集成到人形机器人ARMAR-6的机器人认知结构中，并通过证明广义的渐进学习知识来定量（模拟）和定性（模拟和现实世界中）评估我们的方法。
尽快：对模拟和现实世界进行一致学习敏捷的人形全身技能
训练补偿动力不匹配的三角洲（残留）动作模型。然后用Delta动作模型集成到模拟器中，以ASAP微调进行预训练的策略，以有效地与现实世界动力学对齐。我们在三种转移方案中尽快评估了ISAACGYM到Isaacsim，Isaacgym到Genesis和Isaacgym，以及真实世界的G1人类人体机器人。我们的方法显着提高了各种动态运动的敏捷性和全身协调，与Sysid，DR和Delta动力学学习基准相比，跟踪误差减少了。尽快实现了以前难以实现的高度敏捷运动，这证明了在桥接模拟和现实世界动力学中的三角洲动作学习的潜力。这些结果表明，可以开发出更具表现力和敏捷的人形生物的有希望的SIM到真实方向。
Marche学院理工大学...
基于ROS探索和基于Ros Raper的人形机器人的人形机器人的自主探索和导航：学位论文作者：AndreaMonteriùalfieroAlfiero Corelator兄弟：Sabrina Iartori教授A.A A.A 2019/2020/2020/2020 > > > >>
AI4Tech：X-AI启用X-Tech，具有类似人类，生成，分散的，人形和metavorse ai
摘要x-ai时代的特征是智力人类，自然，社会和人工（AI）的各种形式形式的协同作用。它代表了综合AI范式的生态系统，以及深度学习，大语言模型和生成AI应用的浮游生气的发展。x-ai对基本AI问题的辩论重新点燃：什么是AI？什么构成机器智能？在人工通用智能和类似人类的新时代，AI与业务和技术融为一体时有什么意义？本文旨在激发有关AI会议技术新时代的批判性思维，辩论和讨论，并通过X-AI启用X-Tech来塑造AI4Tech。我们探索X-AI和X-Tech的生态系统以及一般和领域的特殊AI4Tech领域。X-AI使X-Tech能够培养智能业务和智能技术的新时代。传统，人类般的，生成的，分散的，人形和元AI之间的协同作用解锁了克服先前的局限性，不可能，未知数以及对AI和技术的梦想的潜力。
最终报告 - 机器人技术公司
美国国防部 (DOD) 正在开展多项作战机器人开发项目，但这些项目侧重于开发轮式或履带式车辆平台，而非人形机器人。但人工制品世界是由人类为人类设计的，例如工具、建筑物和车辆。人形机器人拥有双足、灵巧的手臂和手以及足够的智能，可以在那个世界中顺利运行：在建筑物内移动、爬楼梯或梯子、用门把手而不是力量开门、使用现有工具、操作现有机器、驾驶现有车辆以及发射现有武器。在自然环境中，军用轮式车辆可以在地球表面约 30% 的面积上行驶，军用履带式车辆可以在约 50% 的面积上行驶。有腿的生物和机器（包括双足人形机器人）几乎可以在整个陆地表面行走。此外，人类与看起来像人类的机器人互动最容易。虽然许多国家都在致力于开发人形机器人，但日本公司在开发人形机器人方面投入的精力最多。虽然这些机器人具有先进的感知和控制功能，可以实现自主效应器运动（例如行走），但它们在与环境的自主交互方面却受到限制。由于美国在自主智能控制方面更先进（尽管是针对车辆），因此一个有趣的项目是整合美国控制系统
文章对现实人形机器人中体现人工智能和外观的用户偏好进行建模
摘要：具有具身人工智能 (EAI) 的逼真人形机器人 (RHR) 在社会中具有广泛的应用，因为人脸是最自然的交流界面，人体是穿越地球人造区域的最有效形式。因此，开发具有高度人性化的 RHR 为人类提供了一个栩栩如生的容器，使人类能够以任何其他形式的非生物人类模拟无法超越的方式与技术进行物理和自然的交互。本研究概述了一项人机交互 (HRI) 实验，该实验采用了两个具有对比外观和个性的自动化 RHR。本研究中使用的选择性样本组由 20 个人组成，按年龄和性别分类以进行多样化的统计分析。皮肤电反应、面部表情分析和人工智能分析允许对生物特征和人工智能数据与参与者证词进行交叉分析，以具体化结果。这项研究的结论是，年轻的测试对象更喜欢外表年轻的 RHR 的 HRI，而年龄较大的测试对象更喜欢外表年长的 RHR。此外，女性测试组更喜欢外表年轻的 RHR 的 HRI，而男性测试对象更喜欢外表年长的 RHR。这项研究对于为具有 EAI 的 RHR 的外表和个性建模很有用，这些 RHR 适合特定的工作，例如照顾老人和为年轻、孤立和弱势群体提供社交陪伴。
利用可变自然环境脑机接口刺激实现人形机器人实时导航
摘要 — 本文通过脑机接口 (BCI) 解决了在室内自然环境中人形机器人远程操作的挑战。我们利用基于深度卷积神经网络 (CNN) 的图像和信号理解来促进实时物体检测和基于干脑电图 (EEG) 的人类皮层大脑生物信号解码。我们利用干脑电图技术的最新进展来传输和收集受试者的皮层波形，同时他们注视机器人正在导航的环境直接产生的可变稳态视觉诱发电位 (SSVEP) 刺激。为此，我们建议使用新的可变 BCI 刺激，利用通过机载机器人摄像头传输的实时视频作为 SSVEP 的视觉输入，其中 CNN 检测到的自然场景物体会以不同的频率 (10Hz、12Hz 和 15Hz) 发生改变和闪烁。这些刺激与传统刺激不同，因为闪烁区域的尺寸及其在屏幕上的位置都会根据检测到的场景物体而变化。通过这种基于干脑电图的 SSVEP 方法进行屏幕上的物体选择，有助于通过专门的二级 CNN 将人类皮层大脑信号直接在线解码为遥控机器人命令（接近物体，朝特定方向移动：向右、向左或向后）。该 SSVEP 解码模型是通过先验离线实验数据进行训练的，其中所有受试者的视觉输入都非常相似。在跨多个测试对象的实时机器人导航实验中，最终的分类表现出高性能，平均准确率为 85%。
技术协助的日记写作，用于改善学生的心理健康：人形机器人与语音助手
对话剂具有改善学生福祉的潜力，同时协助他们进行自我披露的活动，例如日记。他们的体现可能会影响学生披露的内容，以及他们如何披露这一点，以及学生对披露活动的整体遵守。但是，在代理辅助期刊写作背景下实施的效果尚未被研究。因此，本研究旨在调查使用社会机器人（SR）和语音助手（VA）的生存能力，以引起期刊写作中丰富的披露，这会有助于随着时间的推移的心理健康状况提高。四十二名本科和研究生参加了研究，该研究评估了情绪的变化（通过短暂的情绪内省量表，BMIS），主观自我披露水平（通过主观的自我披露问题 - NAIRE，SSDQ）和对代理商（通过Robot Socorial Attributes Scale，Ross scale scale scale and noss agent）（SSR或va witter）（SR或VA）的感知（SSDQ）（SR或VA）。结果表明，只有在机器人条件下，情绪改善，较高的披露水平和随着时间的推移在技术辅助期刊写作中的积极看法。我们的结果表明，机器人辅助期刊写作对语音助手的一定程度有所了解，以引起丰富的披露，从而有助于随着时间的推移学生的心理健康状况改善。
FUTURISE-Impact-Report-HD-V2-31MAY（数字版）
Futurise 与位于赛城的本地机器人公司 Robopreneur Sdn Bhd 合作，开发了马来西亚首款人形机器人 ADAM（高级开发自主机器）。ADAM 能够使用人工智能 (AI) 和云计算技术的语音检测和识别与人互动，于 2019 年 3 月首次启用。它重 44 公斤，可以无缝全身运动，上身关节（包括手指）有 22 个自由度，并且具有与人类的自然互动能力，使用语音检测和识别，使其成为马来西亚有史以来制造的第一款人工智能人形机器人。共有 10 所理工学院和 17 所大学提交了开发人形机器人的提案。