XiaoMi-AI文件搜索系统
World File Search System场景
设计在一个小型热带岛上提高气候智能农业的场景
1华沙大学物理学院实验物理研究所，华沙02-093波兰2物理系，罗马萨皮恩扎大学，罗马00185，意大利罗马3劳动力国家国家 /地区champs crampscrampsmagnétiqus登山 Nanotechnologies, National Research Council (CNR-IFN), 00133 Rome, Italy 5 Central European Institute of Technology, Brno University of Technology, Brno 61200, Czech Republic 6 Research Center for Functional Materials, National Institute for Materials Science, Tsukuba 305-0044, Japan 7 International Center for Materials Nanoarchitectonics, National Institute for Materials Science, Tsukuba 305-0044,日本8 Centera实验室，高压物理研究所，波兰科学院，波兰华沙01-142 ∗作者，应与之解决任何信件。
欧洲输电网扩建是大规模可变可再生能源整合场景中的一种灵活性选择
3 附件 1 总结了专门用于表示输电网的技术和长期能源模型的不同特点。 4 Elmod 使用 PRIMES 的结果作为其对特定年份进行分析的主要输入 5 POLES 和 EUCAD 在每个模拟年份交换信息 6 在本文中，集群或节点的使用并不明确
3D场景数字化的AI潜力
迈克尔·温曼（Michael Weinmann）在Karlsruhe技术学院（2003-2009）学习了电气工程和信息技术，并于2016年获得了波恩大学的计算机科学博士学位。然后，他继续担任博士后研究员和讲师，重点关注波恩大学视觉计算系（直到2021年）的计算机视觉和图形，以及X-Rite研究生院的项目协调员在数字材料外观上。2021年，他加入代尔夫特技术大学，担任智能系统系的助理教授。在计算机视觉，计算机图形和机器学习的交汇处工作，他的研究目标是从不同传感器（即RGB或RGB或RGB信息，深度图，多光谱测量等）中获得的图像或视频数据的了解。），重点是对3D场景的准确，有效的捕获以及它们的解释和可视化。因此，特别的重点是基于利用专用的先验（例如结构性或程序性规则，神经先验或物理学知识的机器学习）来开发可靠的解决方案。各自的研究结果用于跨学科的应用程序场景，包括机器人技术，直播场景中的远程敏感/远程操作，医疗应用以及文化遗产，虚拟原型，土木工程，建筑，建筑和艺术的应用。
使用脑电图信号评估现实场景中记忆检索时的工作量
摘要。目的：脑电图 (EEG) 作为一种生理测量手段，在人因研究中越来越受欢迎，因为它客观、不易产生偏见，并且能够评估认知状态的动态。本研究调查了参与者在单显示器和双显示器配置下执行典型办公室任务时记忆工作量与 EEG 之间的关联。我们预计单显示器配置的记忆工作量会更高。方法：我们设计了一个实验，模拟受试者执行某些办公室工作的场景，并检查受试者在两种不同的办公室设置中是否经历了不同程度的记忆工作量：1）单显示器设置和 2）双显示器设置。我们使用 EEG 频带功率、相互信息和一致性作为特征来训练机器学习模型，以对高记忆工作量状态和低记忆工作量状态进行分类。主要结果：研究结果表明，这些特征表现出显着差异，并且在所有参与者中都是一致的。我们还在先前的研究中通过 Sternberg 任务收集的不同数据集验证了这些 EEG 特征的稳健性和一致性。意义：该研究发现 EEG 与个体的记忆工作量相关，证明了使用 EEG 分析在开展现实世界的神经人体工程学研究中的有效性。
llm驱动的自动驾驶场景测试
在另一侧，在过去的两年中，大型语言模型（LLM）以及所谓的生成人工智能的其他方法吸引了许多研究人员和爱好者的注意。在众多拟议的采用中，LLM也被考虑改善现有软件开发流程。通常，由LLMS [1，3]：1）代码生成的软件开发领域所涵盖以下方面 - 自动生成可执行代码从自由形式的文本描述开始，或者也可能涉及其他输入； 2）调试和代码分析 - 确定提供的代码中的安全缺陷，错误和其他潜在问题； 3）代码说明 - LLM能够提供给定代码摘录的详细文本描述； 4）代码校正 - 在向用户的反馈，代码更正和其他建议改进给定代码时，LLMS也被批准非常有用。
国际电联 6G 愿景和框架：场景、能力和推动因素
摘要 —随着第五代 (5G) 无线网络的标准化和商业化以意想不到的速度完成，学术界和工业界的研究人员、工程师和高管将注意力转向了可以支持下一代无线网络的新候选技术，以便在新兴场景中实现更先进的功能。明确地说，第六代 (6G) 地面无线网络旨在为未来十年及以后的用户和机器类型设备提供无缝连接。本文介绍了国际电信联盟无线电通信部门 (ITU-R) 正式将 6G 称为“面向 2030 年及以后的国际移动通信 (IMT)”的进展。具体来说，讨论了使用场景、其代表性能力、支持技术和频谱，并强调了研究机遇和挑战。
具有横向电场的反铁磁螺旋中多重重入局域化的批判性分析：无跳跃二聚化场景
可重入局域化 (RL) 是一种最近才出现的突出现象，传统上与交错关联无序和跳跃二聚化的相互作用有关，这一点先前的研究表明了这一点。与这种范式相反，我们目前的研究表明跳跃二聚化并不是实现 RL 的关键因素。考虑到具有反铁磁序的螺旋磁系统，我们发现在没有跳跃二聚化的情况下，多个能量区域的自旋相关 RL。这种现象即使在热力学极限下仍然存在。通过对螺旋系统施加横向电场，引入了 Aubry-André-Harper 模型形式的关联无序，从而避免使用传统的替代无序。我们对观察到的可重入相进行有限尺寸缩放分析，以确定临界点，确定相关的临界指数，并检查与局域化转变相关的缩放行为。此外，我们还探索了参数空间，以确定可重入相发生的条件。本研究在紧束缚框架内进行了描述，为 RL 提供了一种新颖的视角，强调了电场、反铁磁有序和几何螺旋性的关键作用。还探讨了 RL 现象的潜在应用和实验实现。
scene_synthesizer：机器人操纵中的程序场景生成的Python库
仿真是培训深度学习模型的越来越多的数据源。在机器人技术中，模拟已成功地用于学习诸如导航，步行，飞行或操纵之类的行为。模拟中数据生成的价值主要取决于场景布局的多样性和规模。现有数据集（Ehsani等，2021; Garcia-Garcia等，2019; Mo等，2019; Nasiriany等，2024）在这方面受到限制，而纯粹的生成模型仍然缺乏在物理模拟中可以使用的场景（HOLLEIN及2023 al。el。，et e e eT el。 2024）。其他程序管道要么专注于学习视觉模型（Denninger等，2023; Greff等，2022; Raistrick等，2023），要解决特定的用例，例如自主驾驶（Fremont等，2020; Hess等； Hess等，2021），或者很难扩展和自定义的平台（它们是一个特定的平台（它们是一个与众不同的平台（DET）（DEIT）（DEIT）（DEIT）（DEIT）（DEIT）（DETIT）（DETER）（DETER）。 ）。使用scene_synthesizer我们提出
在游戏理论场景中对基于语言模型的大型社会代理的调查
游戏理论场景在评估基于大语言模型（LLM）的社会智慧的社会智能方面已成为关键。尽管许多研究在这种情况下探讨了这些代理，但缺乏全面的调查来概述当前的进展。为了解决这一差距，我们系统地回顾了有关游戏理论场景中基于LLM的SO-SOPIAL代理的现有研究。我们的调查将发现分为三个核心组成部分：游戏框架，社会代理和评估协议。游戏框架 - 工作涵盖了各种游戏方案，范围从选择以选择性到集中的游戏。社会代理人部分探讨了代理人的偏好，信念和推理能力。评估协议涵盖了用于评估代理性能的游戏不可能的指标和特定于游戏的指标。通过反思当前的研究并确定未来的研究方向，该调查提供了见解，以推动游戏理论场景中社会代理人的发展和评估。
通过智能对象对视力障碍的感知帮助：概念，实现和实验场景
摘要最近几年在智能对象（SOS）领域取得了长足的进步：它们的数量，多样性，性能和普遍性都在迅速增加，预计这种演变将继续下去。据我们所知，几乎没有做出的工作来利用丰富的资源来开发视力障碍者（VIP）的辅助设备。但是，我们认为SOS既可以增强传统的辅助功能（即障碍物检测，导航）并提供与环境互动的新方法。在描述了SOS启用的空间和非空间感知功能之后，本文介绍了SO2Sees，该系统旨在成为其用户和相邻SOS之间的接口。SO2SEES允许VIP以直观的方式查询SOS，依靠在物联网（IoT）云平台上分发的知识库和SO2Sees自己的后端。为了评估和验证裸露的概念，我们使用语义Web标准开发了SO2SEES系统的简单工作实现。围绕该早期SO2SEES系统建立了一种受控的环境测试方案，以证明其可行性。作为未来的工作，我们计划使用VIP最终用户进行该第一个原型的现场实验。