XiaoMi-AI文件搜索系统
World File Search System任务性能
自发网络耦合可以实现有效的任务性能，而无需本地任务引起的激活重点介绍了开源网络工具的时代
1哥伦比亚大学，纽约，哥伦比亚大学，纽约10032，纽约州立心理生物学系2，纽约市精神病学研究所，纽约10032，3萨克勒发展心理生物学研究所，哥伦比亚大学，纽约10032，纽约10032，哥伦比亚研究所，哥伦比亚研究所，纽约州，10032哥伦比亚大学，纽约，纽约，10027，6艾伦脑科学研究所，西雅图，华盛顿，华盛顿98109，7遗传学，基因组学和信息学系，田纳西州综合与翻译基因组学中心，田纳西州健康科学中心，孟菲斯大学，田纳西大学孟菲斯大学，田纳西州38163，38163，8 Robarts Research Institute，Wenterraire School，Schulicior ncorth and Schulicior ncortio and interriiie Schulicior ncorth and in schulicior and Filtriier and Firce＆dentiier intry＆Dentiier and Fristier＆Dentistr， 3K7，加拿大，9个神经信息学，结构和可塑性中心，克拉斯诺高级研究所；弗吉尼亚州费尔法克斯（Fairfax），弗吉尼亚州乔治·梅森大学（George Mason University），弗吉尼亚州22030和10 Cold Spring Harbor Laboratory，纽约冷春港117241哥伦比亚大学，纽约，哥伦比亚大学，纽约10032，纽约州立心理生物学系2，纽约市精神病学研究所，纽约10032，3萨克勒发展心理生物学研究所，哥伦比亚大学，纽约10032，纽约10032，哥伦比亚研究所，哥伦比亚研究所，纽约州，10032哥伦比亚大学，纽约，纽约，10027，6艾伦脑科学研究所，西雅图，华盛顿，华盛顿98109，7遗传学，基因组学和信息学系，田纳西州综合与翻译基因组学中心，田纳西州健康科学中心，孟菲斯大学，田纳西大学孟菲斯大学，田纳西州38163，38163，8 Robarts Research Institute，Wenterraire School，Schulicior ncorth and Schulicior ncortio and interriiie Schulicior ncorth and in schulicior and Filtriier and Firce＆dentiier intry＆Dentiier and Fristier＆Dentistr， 3K7，加拿大，9个神经信息学，结构和可塑性中心，克拉斯诺高级研究所；弗吉尼亚州费尔法克斯（Fairfax），弗吉尼亚州乔治·梅森大学（George Mason University），弗吉尼亚州22030和10 Cold Spring Harbor Laboratory，纽约冷春港11724
ERDC/GSL SR-14-1“智能无人系统的自主性水平和自主系统性能评估”
本报告概述了智能无人系统 (UMS) 的自主系统测试和评估方法以及自主水平的现状。它旨在广泛回顾过去和正在进行的所有定义自主性和为军事应用相关的无人系统设定自主水平的努力。其中介绍了自主系统的当前性能指标、自主系统采用的当前标准以及评估自主水平和自主任务性能的主要框架。目前，机器人社区尚未采用任何定义 UMS 自主水平的框架。本报告总结了该领域的当前研究，并就充分定义自主性和自主任务性能所需的步骤提出了建议。
Viking® VM400 700/800 MHz
Viking VM400 专为出色的关键任务性能、坚固性和可靠性而设计，是 EFJohnson 的下一代移动无线电。Viking VM400 是一款 P25 Phase 2 无线电，配备业界领先的音频、显示和高级功能，适用于警察、消防、EMS 和其他关键任务用户。
![arXiv:2003.05823v1 [cs.RO] 2020 年 3 月 12 日](/simg/g:\will\search\icon\source\c\cf9e39bb81ef86eb692012c7befa2c3c970b4e31.webp)
arXiv:2003.05823v1 [cs.RO] 2020 年 3 月 12 日
摘要 — 基于监督的人机团队被部署在各种动态和极端环境中（例如太空探索）。在这样的环境中实现较高的任务绩效至关重要，因为错误可能会导致重大的金钱损失或人员伤害。由于工作量与任务绩效相关，因此可以通过根据人类监督者的工作量水平调整监督界面的交互或自主性级别来增强任务绩效。典型的自适应系统仅依靠人类的整体或认知工作量状态来选择实施哪种适应策略；然而，整体工作量包含许多维度（即认知、身体、视觉、听觉和语音），称为工作量组成部分。根据完整的人类工作量状态（而不是单个工作量维度）选择适当的适应策略可以实现更有效的适应，从而确保较高的任务绩效。介绍了一种基于监督的自适应人机协作架构 (SAHRTA)，该架构基于完整的实时多维工作量估计和预测的未来任务性能来选择适当的自主性或系统交互级别。SAHRTA 已被证明可以提高 NASA 多属性任务电池物理扩展版本的整体任务性能。索引术语 — 自适应系统、人机协作
开发飞机飞行控制中的主动操纵器
大多数为飞机控制开发的触觉界面都提供触觉支持作为控制机械手上的附加力。本研究重新审视了主动机械手，这是一种不同于现有触觉界面但与之互补的设计理念。该控制装置将飞行员施加在其上的力传送到飞机，同时通过偏转角反馈飞机的旋转速度。研究发现，与传统的被动机械手相比，主动机械手在补偿跟踪任务中大大促进了目标跟踪和干扰抑制。此外，任务性能的更大改进与更高的强制函数带宽相关。这些发现是由于主动机械手将有效受控元件动力学转变为类似积分器的动力学，同时将干扰抑制集成到神经肌肉系统中。然而，在飞机状态反馈中作用于飞机的高频干扰会对主动机械手的操作效率产生不利影响。根据实验结果和被动性理论的结果，设计和评估了一个超前 - 滞后滤波器，它可以减轻这种影响而不影响任务性能。
Spinnaker上的语言建模2神经形态芯片
随着大型语言模型的规模继续迅速扩展，运行它们所需的计算能力也是如此。基于事件的神经形态设备的网络提供了一种潜在的方法来大大减少推理的能源消耗。迄今为止，大多数基于事件的网络都可以在包括尖峰神经网络（SNNS）在内的神经形态硬件上运行，即使与LSTM模型相当，也无法实现任务性能。结果，对神经形态设备的语言建模似乎是一个遥远的前景。在这项工作中，我们基于最近发表的基于事件的架构The Egru，演示了在神经形态设备（特别是Spinnaker2芯片）上的第一个语言模型实现。spinnaker2是一种多核神经形态芯片，设计用于大规模异步处理，EGRU构建以有效地利用此类硬件，同时保持竞争性任务绩效。此实现标志着神经形态语言模型首次与LSTM匹配，为将任务性能带到大语言模型的级别设定了阶段。我们还根据DVS摄像机的输入来展示对手势识别任务的结果。总的来说，我们的结果展示了这种神经启发的神经网络在硬件中的可行性，强调了单批推断的常见用例的能源效率的显着增长与常规硬件的可行性。
使用UR3E操纵器
近年来，随着机器人技术的发展，医疗保健行业一直在取得显着进步[1]，[2]。由于Covid-19引起的大流行，使用机器人技术的医疗程序的自动化变得至关重要[3]，[4]。机器人正在逐步用于包括手术[5]，康复[6]，诊断[7]和药物输送[8]在内的广泛任务[8]，提供精度，效率和远程操作能力[9]。现代机器人技术具有使用机器人操纵器[10]进行医学检查程序的巨大潜力[10]，这些机器人使用各种末端效应子在特定任务中提供其他功能。如今，机器人臂成为医学研究小组的主要重点[11]。 机器人操纵器具有轻巧的重新配置手臂设计，高精度执行器和运动控制系统。 这些机器人用于需要高度精确和质量的任务性能的医学场景，例如组织缝合[12]，微创手术[13]，[14]和超声检查[15]。如今，机器人臂成为医学研究小组的主要重点[11]。机器人操纵器具有轻巧的重新配置手臂设计，高精度执行器和运动控制系统。这些机器人用于需要高度精确和质量的任务性能的医学场景，例如组织缝合[12]，微创手术[13]，[14]和超声检查[15]。
吸引学习者与功能近红外光谱的游戏 - 参与率
在学习任务中使用游戏元素可以促进情感和行为反应以及学习者的参与。到目前为止，对基于游戏的学习的基本神经机制知之甚少。在当前的研究中，我们将游戏元素添加到数字估算任务中，以评估分数理解并将大脑激活模式与非游戏的任务版本进行比较。四十一个参与者以平衡的顺序构成了两个任务版本，而额脑激活模式则使用近红外光谱法（受试者内部，横断面研究设计）评估。此外，还记录了心率，主观用户体验和任务性能。任务性能，情绪，流量经验以及心率之间的任务版本之间没有差异。然而，与非基于游戏的任务版本相比，基于游戏的任务交易被评为更具吸引力，刺激性和新颖性。此外，完成基于游戏的任务版本与通常涉及情感和奖励处理以及注意力过程的额骨区域的激活相关。这些结果提供了新的神经功能证据，证明了学习任务中的游戏要素似乎通过情感和认知参与促进了学习。
