XiaoMi-AI文件搜索系统
World File Search System感知
风险感知的强化学习
摘要 - 强化学习方法表明，在无人系统中解决具有挑战性的方案的问题。然而，在高度复杂的环境中解决长期决策序列，例如在密集的情况下的连续车道变化和超车仍然具有挑战性。尽管现有的无人车系统取得了长足的进步，但最大程度地降低了驱动风险是第一个考虑。风险意识的强化学习对于解决潜在的驾驶风险至关重要。但是，在无人车辆中应用的现有强化学习算法并未考虑多种风险来源带来的风险的可变性。基于上述分析，本研究提出了一种具有风险感知的加强学习方法，并通过驱动任务分解，以最大程度地减少各种来源的风险。特别是，构建了风险潜在领域，并结合了强化学习以分解驾驶任务。建议的强化学习框架使用不同的风险分支网络来学习驾驶任务。此外，提出了针对不同风险分支的低风险发作抽样方法来解决高质量样本的短缺并进一步提高采样效率。此外，采用了一种干预培训策略，其中人工电位场（APF）与增强学习相结合以加快训练并进一步确保安全。最后，提出了完整的干预风险分类双胞胎延迟的深层确定性政策梯度任务分解（IDRCTD3-TD）算法。两个具有不同困难的场景旨在验证该框架的优越性。结果表明，所提出的框架在性能方面具有显着改善。
从虚拟现实到感知工程的新兴学科
本文表明，我们认为这是一种强大的新学科，我们认为这是一种稳步发展。从涉及创造幻想的想法的过程中，从历史绘画和电影到现代的视频游戏和虚拟现实。而不是创建诸如桥梁，飞机或计算机之类的物理工件，而是创造了虚幻的感知体验。范围是在与物理世界相互作用的任何代理上定义的，包括生物生物（人类，动物）和工程系统（机器人，自主系统）。关键想法是，一个称为生产者的代理商改变了环境，目的是改变另一个代理的感知体验，称为接收者。最重要的是，本文基于von Neumann-Morgenstern的信息概念，引入了此过程的精确数学表述，以帮助范围和定义学科。随后将其应用于工程和生物代理的案例，讨论了其对虚拟现实，机器人技术甚至社交媒体等现有领域的影响。最后，确定了公开挑战和参与机会。
青少年游戏和感知的孤独感
在青春期，年轻人经历了戏剧性的社会发展，从而导致与家人和朋友的关系改变。在这个动荡的时期，青少年对社会排斥特别敏感，这可能导致青少年目前报道的高度孤独感（Santini等，2021; Twenge等，2021）。青少年目前也正在大量转向在线游戏，以作为建立和维持社交联系的空间（Albarello等，2021; Carter等，2020; Olson，2010; Waechter＆Meschik，2023），潜在的方式，以减轻未衡量的社交需求（Kowert等人（Kowert等）。The potential impact of this type of gameplay, however, is not entirely clear and likely depends on both gameplay and player characteristics, including the type and quality of in-game interactions (Emmerich & Masuch, 2017), as well as the player's gender and age (e.g., Brooks et al., 2016; Coyne et al., 2011; Dezuanni et al., 2015; Ferguson et al., 2016).
原创 双稳态感知过程中感知整合和分化的可分离神经信息动力学
1剑桥大学心理学系，CB2 3EB剑桥，2个Vicertoria de Revissionacion y Posgrado，Catolica del Maule，TALCA 3480112，智利，3个大脑和思维研究所，西安塔里奥大学，伦敦，伦敦大学，伦敦，伦敦46a 3k7，46a 3k7 IAGO 8370076，智利，6个计划，伊伯氏丝比，医院，布宜诺斯艾利斯艾利斯，布宜诺斯艾利斯C1199BB，阿根廷7实验心理学和神经科学实验室（LPEN），认知和转化神经科学研究所（Incogentical Cockience and intaimentimen）技术研究委员会（CONICET），布宜诺斯艾利斯，阿根廷，心理学9学院，社会和认知神经科学中心（CSCN），阿道夫大学智利圣地亚哥伊巴涅斯 2485，10 肯特大学计算机学院，ME4 4AG 查塔姆，英国和 11 剑桥大学临床神经科学系，CB2 3EB 剑桥，英国
智能采煤机器人关键技术
摘 要： 采煤机是综采工作面的核心装备，研发智能采煤机器人是实现综采工作面智能化的关键。 综合分析当前采煤机机器人化研究进程中的传感检测、位姿控制、速度控制、截割轨迹规划与跟 踪控制等技术的研究现状，提出研发智能采煤机器人必须破解的 “ 智能感知、位姿控制、速度控制、 截割轨迹规划与跟踪控制、位 − 姿 − 速协同控制 ” 五大关键技术，并给出解决方案。针对智能感知 问题，提出了构建智能感知系统思路，给出了智能采煤机器人智能感知系统的架构，实现对运行 状态、位姿、环境等全面感知，为智能采煤机器人安全、可靠运行提供保障；针对位姿控制问题， 提出了智能 PID 位姿控制思路，给出了改进遗传算法的 PID 位姿控制方法，实现了智能采煤机器 人位姿精准控制；针对速度控制问题，提出了融合 “ 力 − 电 ” 异构数据的截割载荷测量思路，给出 了基于神经网络算法的截割载荷测量方法，实现了截割载荷的精准测量；提出牵引与截割速度自 适应控制思路，给出了人工智能算法牵引与截割速度决策方法和滑模自抗扰控制的牵引与截割速 度控制方法，实现了智能采煤机器人速度精准自适应控制；针对截割轨迹规划与跟踪控制问题， 提出了截割轨迹精准规划思路，给出了融合地质数据和历史截割数据的截割轨迹规划模型，实现 了截割轨迹的精准规划；提出了截割轨迹精准跟踪控制思路，给出了智能插补算法的截割轨迹跟 踪控制方法，实现了智能采煤机器人截割轨迹高精度规划与精准跟踪控制；针对 “ 位 − 姿 − 速 ” 协同 控制问题，提出了 “ 位 − 姿 − 速 ” 协同控制参数智能优化思路，给出了基于多系统互约束的改进粒子 群 “ 位 − 姿 − 速 ” 协同控制参数优化方法，实现了智能采煤机器人智能高效作业。深入研究五大关键 技术破解思路，有利于加快推动研发高性能、高效率、高可靠的智能采煤机器人。
韩国政府公务员感知易用性和感知有用性与智能家居技术采用意向的关系
科技的飞速发展给我们日常生活的各个方面带来了重大变化，包括我们的家庭。物联网 (IoT) 的发展仍处于早期阶段。然而，以前的研究往往缺乏从特定客户的角度理解问题的重点。公务员在智慧城市计划的实施和采用意向中发挥着至关重要的作用，因为他们是国家的骨干。感知易用性和感知有用性是影响一个人对采用意向技术的看法和态度的两个关键因素。探索公务员采用智能家居技术的意愿至关重要。这项研究旨在调查感知易用性和感知有用性与霹雳州金打市公务员采用智能家居技术的意愿之间的关系。调查通过 WhatsApp 和实体分发进行，回复率为 80%（226 名受访者中有 182 名）。根据描述性分析，采用智能家居技术的意向、感知易用性和感知有用性的平均得分较高。至于 Spearman 相关系数分析，显示感知易用性和感知有用性两个独立变量与智能家居技术采用意愿之间的关系最为密切。所发现的见解可以为智能家居开发人员提供宝贵的指导，帮助他们了解公务员对采用智能家居技术的倾向。
人工智能与客户感知：一项研究
摘要 人工智能是当今时代全球范围内技术的新代名词。通过软件、编程、硬件和其他工具的复杂组合，人工智能已成为当今最强大的武器之一。可以说，几乎没有任何行业或领域没有融入人工智能。从网上购物到网络银行，再到网上配对，人工智能无处不在。客户和用户对人工智能的看法、信念、思维过程和反应各不相同。一方面，一些客户对新技术持积极态度，因为它本身具有优势和工作便利性，另一方面，许多人担心人工智能可能带来欺诈、数据盗窃等风险和威胁。本文将阐述客户对人工智能的看法、在日常生活中使用这项技术的好处和风险，以及人工智能的范围。关键词：人工智能、技术、客户、感知 简介 人工智能的融入已迅速在全球各个经济体的不同领域中增加。毫不夸张地说，如今几乎没有哪个部门或行业没有使用人工智能来提高工作效率和效果。人工智能技术为互联网世界提供的一些最新工具包括聊天机器人、语音助手、大型语言模型、只需单击即可创建内容的应用程序，以及许多为客户互联网界面提供新含义的应用程序。除了复杂的工作之外，人工智能还深入到客户的日常生活中，因此人们对此有不同的看法。在这一领域已经进行了许多调查和研究，其中人工智能用户的反应不一。年龄也是客户接受人工智能的最大因素之一，其中年轻一代被认为更适应使用人工智能，并且也支持其扩展到其他各个领域。另一方面，老一辈对于在日常任务中与人工智能的互动增加感到有些不舒服。客户对人工智能的舒适度、对隐私问题的信任度、与该技术相关的风险是
通过认知科学原理推进人工智能感知
摘要 — 尽管人工智能 (AI) 已经迅速取得了许多成就，但在性能和资源效率方面仍然存在悬而未决的问题和根本缺陷。由于人工智能研究人员通过人类智能对很大一部分性能标准进行基准测试，因此认知科学启发的人工智能是一个很有前途的研究领域。研究认知科学可以为构建人工智能研究的基本模块提供新的视角，从而可以提高性能和效率。在这篇评论论文中，我们重点关注感知的认知功能，即从周围环境中获取信号作为输入，并对其进行处理以了解环境的过程。特别是，我们从认知科学和人工智能的视角研究和比较其各种过程。通过这项研究，我们回顾了认知科学各个分支学科（特别是神经科学、心理学和语言学）的所有当前主要理论，并将其与当前人工智能实践中的理论和技术进行比较。因此，我们为研究人员提供了人工智能的详细方法集合，以构建受认知科学启发的人工智能系统。此外，通过回顾认知启发人工智能的状态，我们指出了人工智能当前状态（相对于人脑的性能）的许多差距，从而为研究人员提供了开发更好的人工智能感知系统的潜在方向。索引术语 — 认知科学、感知、神经科学、心理学、语言学、人工智能
人机协作中的社交感知
人工智能 (AI) 的进步预示着未来的团队将由人类和智能机器（如机器人或虚拟代理）组成。为了使人机协作团队 (HAT) 取得成功，人类团队成员需要接受他们的新 AI 同伴。在本研究中，我们借鉴了人类新人接受度的三部分模型，该模型包括三个部分：反思、知识利用和心理接受。我们假设社会感知的两个方面——热情和能力——是人类接受新 AI 队友的关键预测因素。研究 1 使用视频短片设计，参与者想象将八个 AI 队友中的一位添加到参考团队中。研究 2 在实验室团队中利用了绿野仙踪方法。除了测试感知温暖和能力对接受性成分的影响外，研究 2 还探讨了接受性成分对感知 HAT 可行性的影响。虽然两项研究都发现感知温暖和能力会影响接受性，但我们发现能力对于知识利用和心理接受尤为重要。此外，研究 2 的结果表明，心理接受与感知 HAT 可行性呈正相关。讨论了对未来 AI 队友社会认知研究的启示。