XiaoMi-AI文件搜索系统
World File Search System任务计划
在枯竭的油田中建立绿色氢气地下储存设施。
技术发展与创新 (CDTI) 项目是西班牙科学与创新部支持的科学与创新任务计划 2021 年提案征集的一部分。该项目的拨款由欧盟通过下一代欧盟基金提供。
使用大语言模型
符号任务计划是一种广泛使用的方法来强制机器人自主权，因为它易于理解和部署工程机器人体系结构。然而，符号任务计划的技术很难在现实世界中进行扩展，高度动态的人类机器人协作场景，因为在计划域中的性能不佳，在计划领域的效果不佳，在这种情况下可能不会立即进行效应，或者由于机器人工作空间中的情况而发生了频繁的重新计划。长期，计划长度和计划时间的计划有效性可能会阻碍机器人的效率，并对整体人类机器人互动的影响产生负面影响。我们提出了一个框架，我们将其称为Teriyaki，旨在弥合符号任务计划和机器学习方法之间的差距。基本原理是培训大型语言模型（LLM），即GPT-3，将与计划域定义语言（PDDL）兼容的神经成像任务计划师，然后利用其生成能力克服象征性任务计划固有的许多限制。潜在的好处包括（i）在计划领域的复杂性增加的情况下，可以更好地可伸缩性，因为LLMS的响应时间与输入和输出的总长度线性扩展，而不是超线性，而不是像符号任务计划者那样超线性，而在符号任务计划中，以及（ii）的行动，而不是依次实现行动，而不是依次进行动作，那么就可以实现行动，而不是依次进行动作，而不是依次实现。为了使整个计划可用，这又可以同时进行计划和执行。在过去的一年中，研究界致力于评估LLMS的整体认知能力，并取得了替代成功。取而代之的是，使用Teriyaki，我们的目标是提供与特定计划域中传统规划师相当的整体计划绩效，同时利用其他指标的LLMS功能，特别是与其短期和中期生成能力相关的指标，这些能力用于建立一个构建观察性预测性计划模型。选定域中的初步结果表明我们的方法可以：（i）在1,000个样本的测试数据集中解决95.5％的问题； （ii）与传统象征计划者相比，生产计划短多达13.5％； （iii）将计划可用性的总体等待时间减少高达61.4％。
人类的领导或以下偏好：对人类对机器人感知的影响和人类机器人协作
实现有效且无缝的人类机器人合作需要两个关键的结果：增强团队绩效，并促进对机器人和协作的积极认识。本文通过将人类的领导/关注偏好和绩效整合到其任务分配和调度流程中，调查了提出的任务计划框架实现这些目标的能力。我们设计了一个协作场景，其中机器人自主与参与者的合作。用户研究的结果表明，主动任务计划框架成功实现了上述目标。我们还探讨了参与者的领导和追随者风格对他们的合作的影响。结果揭示了这些因素之间的有趣关系，这些因素需要在未来的研究中进一步研究。
国际飞机任务规划系统 (IAMPS) - Leidos
ff 支持在 2D/3D 视图中进行任务演练，通过真实的飞行预览显示地图上的位置，并从飞行员的角度在 3D 合成环境中描绘飞机 ff 审查从 IAMPS 任务计划应用程序导入的计划任务，以协调任务程序和目标行动 ff 通过记录的航空电子数据流中的深入、明确细节进行行动后审查，以在最佳回忆间隔内提供关键反馈 ff 将记录的飞机位置、驾驶舱视频和飞行音频与从 IAMPS 任务计划应用程序导入的规划数据进行比较，以交互方式分析执行情况与飞行计划 ff 使用同步显示器同时重建多架飞机的飞行，通过空中机动精确跟踪相对位置
![arxiv：2406.00006v1 [CS.RO] 2024年5月14日](/simg/g:\will\search\icon\source\1\16227b3aa1b55c22d24698ac8ed1fed0c9197829.webp)
arxiv：2406.00006v1 [CS.RO] 2024年5月14日
随着无人机技术的快速开发，多人的应用在各个领域变得越来越普遍。但是，多个无人机的任务计划技术仍然面临着挑战，例如远程操作的复杂性和人机互动的便利性。为了解决这些问题，本文提出了一种基于大语言模型的多个无人机的及时驱动的任务计划方法。通过介绍及时技术，为多无人机系统提供了适当的及时信息。利用大型语言模型的强大语义理解能力，无人机可以准确地理解用户的自然语言任务，从而实现更简单，更高效，更安全的多式无人机控制，从而增强飞行性能和多漏机的应用范围。测试视频：https：//www.youtube.com/watch?v=yu1ivilbh24。
工作中的人形机器人：我们在哪里
∗作者在法国图卢兹Laas CNRS获得了机器人和人工智能的博士学位。他是一名研究人员的研究人员，对车轮探索机器人进行了任务计划和执行，并领导了R＆D团队的资源优化，以优化卫星的狮子座星座，小型类人机器人的角色动画，室内式无人机的自主导航以及在物流环境中AMR的企业范围内的任务计划以及AMR的导航。他曾担任过运营角色，例如创建和管理领域的工程师，以部署AMRS和一组运营商来远程监督它们。作者现在是L3/L4高速公路自动化车辆的技术领导者。本出版物中表达的意见是作者的意见。他们不愿意反映其现任/前任雇主的观点或观点。
先进功能材料（AFM-2023）
为了将材料科学研究领域和相关技术领域的最新进展推向前沿，CSIR 推出了先进材料任务计划，该计划采用跨学科方法，将新材料和原型的设计和开发结合起来，并将其传播用于先进的技术应用。该计划特别关注先进电子材料、超材料、非常规复合材料和生物材料，并特别强调设备开发，这些材料有望带来重大的技术干预，其成果可以阐明转化成果。CSIR-IMMT 和材料化学系积极参与了这项任务计划。本次会议旨在讨论和审议 CSIR 联盟内外上述领域的最新趋势和发展。将有 4 场主题演讲和 6 场由知名演讲者举办的特邀演讲。欢迎提交海报展示摘要。
年度导弹防御小型企业计划...
问题：高效且有效地分配 BMDS 传感器是一项复杂的挑战 解决方案：Charles River Analytics 开发的软件具有以下功能：• 优化联网传感器 • 确定威胁级别 • 为雷达制定任务计划 用于增强指挥、控制、战斗管理和通信 (EC2BMC) 开发计划
可能的任务：parastronaut计划可以使空间旅行更具包容性，并且可以实现
安全性和包含在太空飞行中不需要矛盾。相反，代理商可以重新设计和培训过程，以确保更多的人可以安全地参与太空任务。通过通过技术，创新设计和任务计划来解决安全问题，空间行业可以具有包容性和成功的任务。
plancollabnl：利用大型语言模型在人机合作中的自适应计划生成
摘要 - “嘿，机器人。让我们整理厨房。顺便说一句，我今天有背痛”。机器人系统如何从此抽象目标和代理条件中使用适当的任务分配的共享计划来设计共享计划？为此目的，已经对经典的AI任务计划进行了规定，但它涉及对不灵活的计划问题的繁琐定义。大型语言模型（LLM）通过自然语言（NL）的知识提取了机器人决策的有希望的概括能力。但是，将NL信息转换为受约束的机器人域仍然是一个挑战。在本文中，我们使用LLM作为NL信息和结构化的AI任务计划问题之间的翻译，以人为机器人的协作计划为目标。LLM生成了计划问题中编码的信息，包括从NL抽象目标中得出的特定子目标，以及基于NL代理条件的子距离分配的建议。在许多目标和代理条件下评估了框架，Plancollabnl，结果表明在大多数情况下都可以找到正确和可执行的计划。使用此框架，我们打算为HRC计划的生成增加灵活性和概括，从而消除了对受限计划问题和代理模型的手动和费力定义的需求。