XiaoMi-AI文件搜索系统
World File Search System感知
scone：一种具有主动感知的食物挖掘机器人学习框架
摘要：由于食物的复杂状态和多样化的物理特性，有效地挖出食品对当前机器人系统构成了重大挑战。为了应对这一挑战，我们相信将食品编码为有意义的有效食品的重要性。然而，食品的独特特性，包括可变形，脆弱性，流动性或粒度，对现有表示构成了重大挑战。在本文中，我们以隐式方式提出了积极感知来学习有意义的食物代表的潜力。为此，我们提出了Scone，这是一个食品搜索机器人学习框架，利用从积极的掌握中获得的表示形式来促进食品可铲政策学习。Scone包括两个Crucial编码组件：交互式编码器和状态检索模式。通过编码过程，Scone能够捕获食品的特性和重要的状态特征。在我们的现实世界中的实验中，Scone在三种不同的难度水平上使用6种以前看不见的食品时，成功率具有71％的成功率，超过了最先进的方法。这种增强的性能强调了Scone的稳定性，因为所有食品始终达到超过50％的任务成功率。此外，Scone可容纳各种初始状态的令人印象深刻的能力使其能够精确评估食物的当前状况，从而导致了令人信服的成功率。有关更多信息，请访问我们的网站。
人类感知，行为和决策的量子力学：用于建模错觉和意见形成
摘要：从表面上看，行为科学和物理学似乎是两个不同的研究领域。然而，对他们解决的问题进行了更仔细的研究表明，它们彼此唯一相关。以量子思维，认知和决策理论为例，这种独特的关系是本章的主题。调查当前的学术期刊论文和学术专着，我们提出了量子力学在人类感知，行为和决策现代研究中的作用的另一种愿景。为此，我们主要旨在回答“如何”问题，故意避免复杂的数学概念，但要开发一种技术简单的计算代码，读者可以修改以设计自己的量子启发的模型。我们还介绍了计算代码的应用并概述几个合理的方案的几个实践示例，其中量子模型基于提议的DO-Yourandself Model套件可以帮助了解个人和社会群体的行为之间的差异。
对尼日利亚阿比亚州农民中转基因玉米作物的认识和感知
摘要该研究确定了玉米农民对尼日利亚阿比亚州转基因作物的认识和感知。使用多阶段抽样程序选择了一百八十四名受访者进行调查。用结构化的查询范围收集数据，并以百分比，均值和回归分析进行分析。多数（67.4％）的农民不知道转基因的玉米作物，而农作物不在供应中（x̄= 1.5）。玉米农民对转基因作物的看法不是很喜欢（x̄= 2.4）。很难在市场上出售它们（x̄= 3.4），气候变化对预期产量的负面影响的威胁（x̄= 3.2）以及这些农作物可能需要大量投入的可能性，例如肥料和肉质（x̄= 2.8）。年龄（β= 1.023），以前具有改善的作物品种（β= 2.112）和Internet访问（β= 2.317）的经验对农民的看法有积极影响，但是高等学校学位的家庭成员人数（β= -0.721）具有负面影响。应该创建对转基因玉米作物的更多认识，以使农民能够根据对农作物的看法做出反对的决定。扩展服务应得到充分资金来实现这一目标。
大脑信息分离（BISS）用于增强目标扬声器的多音方言语音感知
苏格兰大学苏黎世大学和苏黎世大学，瑞士神经信息学研究所B卫生技术部，丹麦·托克尼斯克大学DTU，丹麦C丹麦林格比，丹麦C丹麦C型磁力共鸣研究中心，哥本哈根大学医院HVIDOVRE，HIVIDOVRE，DENMARK DENMARK DENMARK DENMARK DENMARS DENMARK DENMARK DENMARK DENMARK DENMARK DENMARK DENMARKERIERIRE; 8248，法国巴黎，德国认知，典范，纽约州纽约州哥伦比亚大学哥伦比亚大学哥伦比亚大学电气工程系PSL研究大学，美国哥伦比亚大学，美国哥伦比亚大学哥伦比亚省哥伦比亚省哥伦比亚省哥伦比亚省大脑行为研究所，纽约州哥伦比亚大学，美国纽约州哥伦比亚大学，美国纽约市，美国纽约市，纽约州，美国纽约市，纽约州，纽约州，美国纽约市，纽约州，纽约州。纽约州纽约州曼海斯特市Feinstein医学研究所
3D图像分割的拓扑感知焦点损失
分割算法的疗效经常因拓扑错误，连接中断和空隙等拓扑错误而受到损害。为了解决这一问题，我们引入了一种新颖的损失函数，即拓扑 - 意识局灶性损失（TAFL），该功能将基于基于地面真实和预测段蒙版的持久性图表之间的拓扑结构术语与拓扑结构术语结合在一起。通过实施与地面真理相同的拓扑结构，拓扑的约束可以有效地解决拓扑结构，而焦点损失可以解决阶级失衡。我们首先是从地面真理和预测的分割掩模的过滤的立方复合物中构造持久图。随后，我们利用sindhorn-knopp算法来确定两个持久图之间的最佳运输计划。最终的运输计划最小化了将质量从一个分布到另一个分布的运输成本，并在两个持久图中的点之间提供了映射。然后，我们根据该旅行计划计算沃斯堡的距离，以测量地面真相和预测的面具之间的拓扑差异。我们通过训练3D U-NET与MICCAI脑肿瘤分割（BRATS）CHALLENE验证数据集来评估我们的方法，该数据需要准确地分割3D MRI扫描，从而整合各种方式，以精确鉴定和跟踪恶性脑肿瘤。然后，我们证明，通过添加拓扑约束作为惩罚项，通过将焦点损失正规化来提高分段性能的质量。
摘要简介：开发糖尿病问卷的风险感知调查确定妊娠糖尿病的妇女如何（GDM
GDM的全球患病率在5.8％至11.7％之间。6流行率的广泛差异可能是由GDM诊断标准的差异来解释的。6尽管90％的GDM病例将在分娩后正常化，但有些案件将持续存在，而妇女将发展糖尿病前期或DM。据报道，分娩后五年后约有50％的GDM患者被诊断为2型DM。7在斯里兰卡（Sri Lanka），一项纵向研究发现，与没有GDM相比，GDM女性在10年持续时间内患糖尿病的几率是10.6倍。8然而，生活方式干预措施有机会减慢这些女性中2型糖尿病的进展。9重要的是向具有GDM的女性提供准确，及时的信息，以了解其未来患糖尿病的风险。他们还应该接受根据需求量身定制的干预措施。确保有关积极生活方式修正案的行为的持续改变，应考虑几个要素，包括风险感知，信念和心理社会障碍。10除其他外，风险感知被确定为各种理论健康模型中健康行为的重要决定因素。11对患有未来糖尿病的高风险感知的女性更有动力进行筛查和生活方式改变。12关于发育糖尿病（RPS-DD）问卷的风险感知调查评估了一个人感知的患有这种疾病的风险的各个方面。13此工具由乐观偏见，个人控制，糖尿病风险因素知识，福利和障碍以及风险感知组成。最初用于预防糖尿病计划密歇根州糖尿病研究中心，14它在GDM母亲之间进行了随后的验证过程。13使用Cronbach的α的内部一致性非常出色（0.65至0.72）。RPS-DD问卷开发过程是彻底且多阶段的。但是，可以组织其他研究以评估验证性因素分析和评估其外部有效性。此外，马来语中没有发表的工具来衡量该人群中糖尿病的风险感知。这项研究旨在适应，翻译和
Kudan 首席技术官解释人工智能与人工感知之间的联系
上个月，Kudan 参加了在圣何塞举行的 NVIDIA GPU 技术大会 (GTC) 和 Jetson 合作伙伴日。这是一个绝佳的机会，可以亲自了解生成式人工智能和更广泛的机器人领域的最新发展，加深我们对 NVIDIA 对市场趋势的看法，并推进与 NVIDIA 机器人团队和其他潜在合作者的合作。目前，NVIDIA 的大部分增长都集中在数据中心，反映了生成式 AI 的现状，其中计算密集型模型占主导地位。大规模语言模型 (LLM) 通常具有数十亿个参数，而 GPT-4 等最新进展估计将达到万亿个参数大关。 然而，谈到机器人加速计算和边缘计算，我们仍处于早期阶段。小型语言模型 (SLM) 和微型视觉语言模型 (VLM) 可以在 NVIDIA Jetson 设备（包括 Orin Nano）上运行。然而，边缘计算机预计要处理多项任务，而且机器人和边缘设备执行的任务的关键性要求对错误的容忍度要低得多。聊天机器人可以犯一些错误，但仍然可以为用户提供价值，但是当机器人犯错时，代价可能是灾难性的。 NVIDIA 对边缘计算和机器人技术的未来的乐观前景正在指导我们在这些领域的战略投资。尽管目前还处于早期阶段且面临诸多挑战，但边缘人工智能的市场机会无疑是巨大的。尽管这一市场扩张的时机仍不确定，但它所代表的机遇规模却是显而易见的。
具有成本效益的主动激光扫描系统，用于深度感知深度学习的实例分段
摘要：家禽业在全球农业中起关键作用，家禽是蛋白质的主要来源，并为经济增长做出了重大贡献。但是，该行业面临着与重复性且苛刻的劳动密集型任务相关的挑战。自动化已成为提高运营效率并提高工作条件的关键解决方案。具体来说，机器人的操纵和对象的处理在工厂中变得无处不在。但是，存在挑战以预先识别和引导机器人处理一堆具有相似纹理和颜色的物体。本文着重于开发旨在自动化鸡的机器人解决方案的视觉系统，该机器人解决过程是一种基本的，但在家禽加工中是一种基本但身体上剧烈的活动。为了解决通用实例分割模型在识别重叠对象中的限制，开发了一种具有成本效益的双重活性激光扫描系统来生成对象上的精确深度数据。将经过良好的深度数据生成与RGB图像集成在一起，并将其发送到实例分割模型以进行单个鸡检测和识别。这种增强的方法显着改善了该模型在处理涉及重叠鸡的复杂场景中的性能。具体而言，RGB-D数据的集成将模型的平均平均精度（MAP）检测准确性提高了4.9％，并显着改善了中心偏移 - 本研究中引入的定制度量标准，以量化地面真相蒙版中心与预测的面具中心之间的距离。精确的中心检测对于开发未来的机器人控制解决方案至关重要，因为它可以确保在鸡肉重定过程中准确抓住。中心偏移量从22.09像素（7.30 mm）降低到8.09像素（2.65 mm），证明了该方法在缓解闭塞挑战和增强视觉系统的可靠性方面的有效性。
高中生学生 - 感知和意识 -
检查。论文是：•Max Planck 23。4。1858 Kiel•Arnold Sommerfeld 5.12。 1868Königsberg•Albert Einstein 14。 3。 1879 ULM•Ernest Rutherford 30。 8。 1871 Spring Grove•Max Burn 11 12. 1882 Breslau•James Franck 26。 8。 1882 Hamburg•Niels Bohr 7。 10。 1885哥本哈根•ErwinSchrödinger12。 8。 1887 VIENNA•WOLFGANG PAULI 25。 4。 1900维也纳•Werner Heisenberg 5.12。 1901Würzburg•Enrico Fermi 29。 9。 1901罗马•Paul Dirac 8。 8。 1902 Bristol•Pascual Jordan 18。 10。 1902 Hannover•Lew Landau 22。 1。 1908年巴库•约翰·阿奇博尔德·惠勒（John Archibald Wheeler）9。 7。 1911佛罗里达•理查德·费曼（Richard Feynman）11。 5。 1918皇后区，纽约•朱利安·施温格12。 2。 1918纽约市1858 Kiel•Arnold Sommerfeld 5.12。1868Königsberg•Albert Einstein 14。 3。 1879 ULM•Ernest Rutherford 30。 8。 1871 Spring Grove•Max Burn 11 12. 1882 Breslau•James Franck 26。 8。 1882 Hamburg•Niels Bohr 7。 10。 1885哥本哈根•ErwinSchrödinger12。 8。 1887 VIENNA•WOLFGANG PAULI 25。 4。 1900维也纳•Werner Heisenberg 5.12。 1901Würzburg•Enrico Fermi 29。 9。 1901罗马•Paul Dirac 8。 8。 1902 Bristol•Pascual Jordan 18。 10。 1902 Hannover•Lew Landau 22。 1。 1908年巴库•约翰·阿奇博尔德·惠勒（John Archibald Wheeler）9。 7。 1911佛罗里达•理查德·费曼（Richard Feynman）11。 5。 1918皇后区，纽约•朱利安·施温格12。 2。 1918纽约市1868Königsberg•Albert Einstein 14。3。1879 ULM•Ernest Rutherford 30。 8。 1871 Spring Grove•Max Burn 11 12. 1882 Breslau•James Franck 26。 8。 1882 Hamburg•Niels Bohr 7。 10。 1885哥本哈根•ErwinSchrödinger12。 8。 1887 VIENNA•WOLFGANG PAULI 25。 4。 1900维也纳•Werner Heisenberg 5.12。 1901Würzburg•Enrico Fermi 29。 9。 1901罗马•Paul Dirac 8。 8。 1902 Bristol•Pascual Jordan 18。 10。 1902 Hannover•Lew Landau 22。 1。 1908年巴库•约翰·阿奇博尔德·惠勒（John Archibald Wheeler）9。 7。 1911佛罗里达•理查德·费曼（Richard Feynman）11。 5。 1918皇后区，纽约•朱利安·施温格12。 2。 1918纽约市1879 ULM•Ernest Rutherford 30。8。1871 Spring Grove•Max Burn 11 12.1882 Breslau•James Franck 26。8。1882 Hamburg•Niels Bohr 7。10。1885哥本哈根•ErwinSchrödinger12。8。1887 VIENNA•WOLFGANG PAULI 25。 4。 1900维也纳•Werner Heisenberg 5.12。 1901Würzburg•Enrico Fermi 29。 9。 1901罗马•Paul Dirac 8。 8。 1902 Bristol•Pascual Jordan 18。 10。 1902 Hannover•Lew Landau 22。 1。 1908年巴库•约翰·阿奇博尔德·惠勒（John Archibald Wheeler）9。 7。 1911佛罗里达•理查德·费曼（Richard Feynman）11。 5。 1918皇后区，纽约•朱利安·施温格12。 2。 1918纽约市1887 VIENNA•WOLFGANG PAULI 25。4。1900维也纳•Werner Heisenberg 5.12。1901Würzburg•Enrico Fermi 29。 9。 1901罗马•Paul Dirac 8。 8。 1902 Bristol•Pascual Jordan 18。 10。 1902 Hannover•Lew Landau 22。 1。 1908年巴库•约翰·阿奇博尔德·惠勒（John Archibald Wheeler）9。 7。 1911佛罗里达•理查德·费曼（Richard Feynman）11。 5。 1918皇后区，纽约•朱利安·施温格12。 2。 1918纽约市1901Würzburg•Enrico Fermi 29。9。1901罗马•Paul Dirac 8。8。1902 Bristol•Pascual Jordan 18。10。1902 Hannover•Lew Landau 22。1。1908年巴库•约翰·阿奇博尔德·惠勒（John Archibald Wheeler）9。7。1911佛罗里达•理查德·费曼（Richard Feynman）11。5。1918皇后区，纽约•朱利安·施温格12。2。1918纽约市
铁磁软计算机的可寻址和可感知的动态重编程
由外部磁场造成的软机器因其与生物体和复杂环境相互作用的潜力而引起了显着关注。但是，它们的适应性和功能通常受到操作过程中刚性磁化的限制。在这项工作中，我们在操作过程中引入了动态可重编程的磁性软计算机，并通过各种磁场的协同作用在操作过程中进行原位重新确定的磁化功率。可振荡的谐振电路集成到机体中，从而通过不同频率的高频频率实现了对特定区域的可寻址和可感知的加热。机身由由低熔点合金和NDFEB微粒制成的微型头。加热时，合金液体会固定，允许在40吨脉冲编程场下旋转NDFEB微粒。冷却后，新的配置被锁定在适当的位置。此重编程过程对于单个或多台机器同样有效，从而实现了多种机器的多种模式变形和多个机器的合作。此外，通过结合可寻址的热致动，我们将示意多个机器人的原位组装。这项工作可能使具有增强功能的磁性软计算机可以实现。