XiaoMi-AI文件搜索系统
World File Search System感知技术
人工智能感知技术的伦理研究
相对于自然感知而言，人工感知是通过计算机、传感器等技术手段模拟自然感知的过程，其技术手段一般都基于对自然感知的研究，特别是对感觉器官的研究。人工感知和自然感知都涉及从外界环境中采集和处理信息的能力，但人工感知技术的显著特点在于克服了人类自然感知的一些局限性，为人类提供了额外的感知和感觉信息来源，从而拓展了人类对自我和世界的认知。然而，人工感知也提出了一系列新的问题，这些问题不仅促使我们重新审视这项新技术中“自然”、“人工”和“侵入”的定义，也迫使我们重新思考人工感知对自然感知的影响和作用。人工感知为理解自然感知和认知的本质提供了重要的启示，同时也带来了伦理挑战和哲学反思，深刻影响着人类文明的发展。这些问题引发了对技术和社会伦理问题的讨论，以确保人工智能感知技术的开发和应用符合道德和社会价值观。
基于多传感信息融合的移动机器人定位与环境感知技术
本文重点介绍了位置准确性低的问题和在复杂环境中移动机器人的不良环境感知性能。它基于IMU和GP的机器人姿势信息和环境知觉信息进行了关键的技术研究，以检测机器人自己的姿势信息，以及激光雷达和3D摄像头，以感知环境信息。在“姿势信息融合层”中，粒子群处理算法用于优化BP神经网络。没有偏见的卡尔曼过滤，并实现了未经意识的卡尔曼滤波器，以实现INS-GPS松散耦合导航，从而减少了INS组件IMU的偏见和噪声。此外，当GPS信号丢失发生时，训练有素的神经网络可用于输出预测信息，以进行惯性导航系统的错误校正，提供更准确的速度，并将信息作为绝对位置约束。在环境感知融合层中，补偿的IMU预一整合性调查分别与次要水平分别与视觉探光仪和激光镜探测融合。这使机器人的实时精确定位和环境图的更精细结构。最后，使用实际收集的轨迹来验证算法，以进行multi传感器信息的两级融合。实验结果表明，该算法提高了机器人的定位准确性和环境感知性能。机器人运动轨迹和原始真实轨迹之间的最大误差为1.46 m单位，而最小误差为0.04 m单位，平均误差为0.60 m。
文章利用物联网感知技术和人工智能技术实现实时关键医疗保健应用
摘要：个性化医疗保健由于引入了健康监测技术而得到了显著改善，这些技术允许可穿戴设备非侵入性地监测生理参数，例如心脏健康、血压、睡眠模式和血糖水平等。此外，在可穿戴设备中利用基于柔性和创新的生物相容性材料的先进传感技术可以高精度和精确地测量生物信号。此外，将实时机器学习算法应用于高精度生理参数可以精确识别数据中的异常模式，从而提供健康事件预测和警告以便及时干预。然而，在主要采用的架构中，基于机器学习的健康事件预测通常是通过利用云基础设施获得的，而云基础设施的特点是响应时间延迟和隐私问题。幸运的是，最近的研究强调，基于边缘计算技术和设备上人工智能的新范式显著改善了延迟和隐私问题。将这种新范式应用于个性化医疗保健架构可以显著提高其效率和功效。因此，本文回顾了利用可穿戴设备的现有物联网医疗保健架构，随后提出了一种可扩展和模块化的系统架构，以利用新兴技术解决已发现的缺点。定义的架构包括超薄、皮肤兼容、灵活、高精度压电传感器、低成本通信技术、设备上智能、边缘智能和边缘计算技术。为了提供开发指南并定义一致的参考架构以改进可扩展的基于物联网的可穿戴关键医疗保健架构，本文根据现有架构和新兴技术趋势的推论概述了基本功能和非功能要求。所提出的系统架构可应用于许多场景，包括环境辅助生活，其中持续监测和及时发出警告可以为老年人和慢性病患者提供独立性。我们得出结论，架构层的分布和模块化、基于本地 AI 的阐述和数据打包一致性是关键医疗保健应用用例更基本的功能要求。我们还将快速响应时间、实用性、舒适性和低成本确定为定义的系统架构的基本非功能性要求。
基于人工智能和情境感知技术的教育机器人：框架
电子邮件，1 shamaamora2014@gmail.com，1 ronyabogalala@hotmail.com，1 zizoabdo1210@gmail.com，2 marwa_areed@du.edu.eg，3 s.alkhalaf@qu.edu.sa，1 mw_amasha@yahoo.com 摘要教育机器人 (ER) 对人工智能 (AI) 的使用范围包括（科学、技术、工程和数学）STEM 领域、逻辑数学、调试、乐高机器人等等。迫切需要对 (ER) 政策和使用进行研究。然而，本文提出了一个框架，用于表示有关在学习环境中使用教育机器人和情境感知技术的知识。该框架使高等教育能够实现智能课堂表现。本研究的目的是从许多方面提出一种新策略。扩展和优化学生的答案并发展用户参与交流的能力。该框架在移动端引入了情境控制器系统，用于连接和准备来自机器人指标的数据。此外，它还混合了云端的不同AI识别服务，通过调查和理解数据来获取情境信息。我们还提出了在学习环境中使用机器人技术和情境感知技术的愿景，以改进和优化情境信息的最大效益。