XiaoMi-AI文件搜索系统
World File Search System人机界面
人机界面 - Novanta IMS
人机界面 ................................................................................................................................ 5 章节概述 ...................................................................................................................................................... 5 简介 .............................................................................................................................................................. 5 特性和优点 ................................................................................................................................................ 5 机械规格 ...................................................................................................................................................... 6 电气规格 ...................................................................................................................................................... 6 电源要求 ................................................................................................................................................ 6 通信 ...................................................................................................................................................... 6 用户输出 ................................................................................................................................................ 6 连接概述 .............................................................................................................................................
人机界面 ARIMA 模型评估...
操作员态势感知 (SA) 对于确保任何工业设施安全运行至关重要，对于核电站 (NPP) 更是如此。核电站工业事故（按国际原子能机构 (IAEA) 国际核事件分级表 (INES) [ 1 ] 中 1（异常）至 7（重大事故）的严重程度等级升序排列）包括以下案例：加拿大乔克河国家研究反应堆 (NRX) (INES-5) — 控制室控制棒状态指示灯错误、机械故障以及控制室人员沟通不畅等多重故障导致安全关闭棒库意外拔出，造成反应堆功率在 5 秒内失控超过反应堆设计极限的四倍，导致 1952 年 12 月 12 日发生严重堆芯损坏；美国三哩岛核事故（INES-5）——设计不良、模糊的控制室指示器导致操作员失误，影响了紧急冷却水供应，导致 1979 年 3 月 28 日三哩岛 2 号机组 (TMI-2) 反应堆堆芯安全壳部分熔毁；苏联切尔诺贝利事故（INES-7）——人为因素和固有设计缺陷导致 4 号机组于 1986 年 4 月 26 日发生灾难性爆炸并释放放射性物质。从事故后报告 [ 2 – 4 ] 中可以看出，关键事故前兆包括：(1) 由于传统人机界面 (HMI) 设计中的人为因素相关缺陷导致态势感知能力下降；(2) 常态化、偏差化，导致核安全文化松懈； (3) 信息过载（看而不见效应 [ 5 ]），这是由于通过控制室 HMI（面板指示、通告等）向操作员呈现信息的速度太快。）；以及 (4) 高度动态单元演进的错误心理模型导致认知错误，这是由于故障或有故障的传感器提供的工厂信息相互冲突，以及现场设备状态监控不正确。
基于舌头和嘴唇运动的人机界面
摘要 本文介绍了一种新颖的人机界面，它基于舌头和嘴唇的运动，使用来自市售相机的视频数据。提取运动的大小和方向，可用于设置光标动作或进行其他相关活动。运动检测基于卷积神经网络。ASSISLT 系统 [1] 展示了所提解决方案的适用性，该系统旨在支持患有先天性和后天性运动性言语障碍的成人和儿童的言语治疗。该系统侧重于使用改善舌头运动和发音的练习进行个性化治疗。该系统提供了一组可调节的练习，使用增强现实来激励练习者的正确表现。自动评估治疗动作的表现使治疗师能够客观地跟踪治疗进展。
军用飞机的可靠人机界面
Korry 专有的有源矩阵液晶显示器 (AMLCD) 和飞机使用寿命背光技术提供无与伦比的视觉性能，具有卓越的色彩深度、对比度、色彩稳定性、白天、夜晚和 NVIS 模式下的宽视角。使用 Korry 专有的控制机制，可在整个工作温度范围和使用寿命内保证光学质量。
人机界面与航空电子设备之间的交互...
人为因素问题仍然是确保飞行安全以及机组人员执行飞机控制操作的优先事项，其负面影响通常与人的心理生理特征有关。对旨在减少人为因素对飞行安全影响的所提出方法、方法和技术工具的研究表明，现有的方法工具在消除航空人员“突然出现”的不可靠性方面效果不足。这种情况需要开发飞机控制系统，考虑到其所有组件的特性，并创建与航空电子系统交互的虚拟飞行员助手。本文讨论了飞行员与航空电子系统交互的各个方面。它提出了使用人机界面为飞行员在机上工作创建虚拟助手的概念，该界面提供了观察、通信和飞行控制的可能性。提出了认知飞行员-飞机界面的概念，该界面将基于知识的自适应功能引入系统，以帮助机组人员执行对飞行安全至关重要的重要任务。
PHARE 地面人机界面 (GHMI) 项目
本报告将提供该项目的历史概述，因为它在该领域已经工作了近十年。首先，将讨论早期工作组关于未来系统中预期的“人的作用”的结果。该讨论为 GHMI 项目定义及其总体设计目标提供了一些重要的起点。随后，解释了整个计划中的项目结构和管理集成。在介绍这些背景材料后，讨论了一些探索性实验的结果。发现，使用软件辅助控制器可以客观地减少控制器的工作量，前提是“工具”的设计足够有效，在高流量负载条件下也可以使用。控制器倾向于在高压下恢复旧的控制策略或习惯，因此有时会放弃工具。在 HMI 熟悉度的背景下讨论了培训问题，并建议进一步开展工作。主观和客观工作量测量往往会分离，强调客观评估的重要性，而不是个人意见和使用更具代表性的参与者群体。
人机界面在人工智能和数据科学中的重要性
摘要-本文介绍了人工智能 (AI) 和数据科学中的人机界面 (HMI) 主题。人机界面 (HMI) 是人与自动化系统相互作用和通信的方式。人机界面 (HMI) 最重要的任务是快速简洁地显示复杂的过程变量，以便于解释生产信息。人机界面 (HMI) 用于机器人技术，包括制造工厂、制药等。它还可用于装瓶过程以控制速度、效率、错误检测等方面。未来，人机界面 (HMI) 可用于新技术。在本文中，作者提供了有关数据科学中的人机界面 (HMI) 及其应用的信息，并提供了人机界面 (HMI) 的未来范围。关键词：人机界面 (HMI)、人工智能 (AI)、数据科学、自动化系统、机器人技术、工业、通信、传感器。
太空探索中的计算机人机界面挑战
• Artemis I Callisto 有效载荷包括一台 iPad（洛克希德马丁/琼斯） • 两代 HPE 星载计算机已在国际空间站低地球轨道上飞行（惠普） • 国际空间站遗产和商业软件依赖于现代网络服务和操作系统（Windows、Windows Server、Linux、iPad OS 等）
一对多：人机界面可让单个操作员控制多架无人机
本文描述并回顾了解决人机界面挑战的研究和潜在解决方案，使单个操作员能够通过一个界面控制多架无人机 (UAV)。作为一个系统，这也被称为多机器人系统 (MRS)。MRS 应用于多个领域，如环境监测 [1]、搜索和救援 [2, 3]、安全 [4]、机器人配送的监督控制以及探索性医疗保健中的微型和纳米机器人群 [5]。单个操作员同时控制多个机器人的优势（称为一对多关系）是改善资源分配、时间成本、稳健性和现实世界任务的其他方面 [6]。然而，由于单个操作员的认知工作量增加，增加机器人数量并不一定会提高系统性能 [7]。早期模型描述了单个操作员使用基于忽视容忍度的扇出控制的机器人数量、当操作员忽视机器人时机器人的效率如何随时间下降，以及交互时间、任务切换、建立上下文、计划和将计划传达给机器人所需的时间 [8]。该模型已扩展到包括等待时间和性能指标，以模拟给定任务约束的扇出水平 [9]。
无人机系统指挥与控制的人机界面（HMI）可学习性研究
复杂的无人机系统 (UAS) 的运行涉及人与机器之间的复杂交互。与其他航空领域不同，这些领域的技术进步蓬勃发展，以适应国家空域系统 (NAS) 的现代化，而 UAS 和 UAS 用户界面设计的科学范式却很少受到研究关注，并且几乎没有做出任何努力来收集准确的数据以评估当前 UAS 人机界面 (HMI) 表示对指挥和控制的有效性。随着联邦航空管理局 (FAA) 推进到 2025 年将 UAS 全面整合到 NAS，UAS HMI 可用性成为主要的人为因素问题。本研究考察了行业标准 UAS HMI 的系统可学习性，因为现有的可用性数据很少，无法支持新的和创新的指挥和控制用户界面设计的最新水平。本研究收集了与 ISO 9241-11 规定的三类客观可用性测量相关的数据。这三类包括：(1) 有效性、(2) 效率和 (3) 满意度。收集因变量的数据结合了视频和音频记录、带时间戳的模拟器数据日志和 SUS 调查工具，调查对象为 45 名没有或具有不同程度常规飞行经验的参与者（即私人飞行员和商业飞行员）。研究结果表明，与飞行员经验较少或没有飞行员经验的参与者相比，具有高水平常规飞行经验（即商业飞行员证书）的人表现最出色。完成率的单因素方差分析 (ANOVA) 计算显示，受试者第三次试验具有统计学意义 [F (2, 42) = 3.98, p = 0.02]。使用 Bonferroni 校正的事后 t 检验显示，低飞行员经验组（M = 40%，SD =. 50）和高经验组（M = 86%，SD = .39）之间的完成率具有统计学意义 [t (28) = -2.92, p<0.01]。对第三次试验的错误率和完成率进行的评估也表明，与飞行员经验较少的组（M = 9.53，SD = 12.63）相比，飞行员经验较多的组在第三次试验中犯的错误较少（M = 2.44，SD = 3.9）。