XiaoMi-AI文件搜索系统
World File Search System手动操作
人工智能无人机的现实
无人机通常被称为“枯燥、肮脏和危险”，但由于其能够执行多种任务，它正迅速成为世界各地军队增强力量的关键。术语“无人机”通常与无人驾驶飞行器 (UAV) 互换使用，它们大多指可手动操作或预编程的同一类空中设备。1 军用无人机通常用于各种任务，包括在冲突或有争议的环境中进行监视和高分辨率监控，但现在它们也被用于运送武器。一段时间以来，人工智能 (AI) 引入军事系统一直是头条新闻。2 各国一直在朝着这个方向建设能力和系统。在这种情况下，自主无人机呈现出丰厚的前景。无人机通常以其机动性、易于部署和在不同环境中的多功能性而闻名。据悉，它们可以提高工作效率和生产力，减少工作量和生产成本，并提高准确性。 3 无论它们的运行方式如何，无论是通过遥控器控制还是通过智能手机应用程序访问，与人类相比，它们都能够到达最偏远的地区和困难的地形，同时确保续航能力。
17-18 塞班岛 Marpi Gun 1994-2007 - CSU 研究成果
该火炮被设计为（实验性）支援武器，安装在 5,000 吨以上的轻型武装商船上，用于对抗潜艇（水面）攻击。虽然理论上它也可以用作重型防空武器，但美国情报部门认为它在这方面并不是很有效（CinCPac– CinCPOA，1945b，第 60 页）。20 厘米火炮的射程适中，为 6,900 码。这些火炮被描述为重量轻，具有中断螺纹后膛盖和液压弹簧后坐机构，后坐缸安装在火炮顶部。该火炮安装在海军型基座上，可 360º 旋转。升降和旋转由手轮控制，手轮均位于支架左侧。手动操作时的旋转速度约为 8.6°/秒，而升降速度为 8°/秒，使其成为一种速度较慢的防空武器（CinCPac–CinCPOA，1945b，第 60 页；OPNAV，1945，第 58 页；USNTMJ，1946b，第 16 页）。该枪未配备单独的火控系统（USNTMJ，1946b，第 16 页）。
酒店的环保实践：促进可持续性...
Vishwakarma技术研究所，印度浦那摘要：使用Arduino Uno的地板清洁机器人是一种机器人系统，旨在自动化地板清洁过程。此摘要提供了该项目的简要概述，突出了其目标，组件和功能。通过利用Arduino Uno微控制器板的功率，机器人可以实现自动导航，障碍物检测和有效的清洁功能。但是，随着技术的发展，房屋变得越来越聪明和自动化，这对公众来说很方便。尽管有许多类型的真空吸尘器可用，但它们都没有提供湿清洁和手动操作。为了使清洁变得更加容易，自主地板清洁机器人，将干和湿的清洁整合到单个设计中。整个接地清洁机器人分为几个组件，包括伺服器，带超声传感器的直流电动机，电动机屏蔽L298和Arduino Uno Micropropersessor。电动机屏蔽L298通过Arduino Uno MicroController将直流电动机推动，该电动机将超声传感器用作机器人驱动器和直流电动机作为距离检测器。
大坝安全：人为失误和行为造成的危害
本文从“人为因素”的角度探讨了大坝安全和大坝事故。试图探讨这些因素是损害大坝安全性和增加其风险的重要驱动因素。区分了“正常人为事故”和“特殊人为事故”，并描述了它们的根源和后续后果。第一类包括大坝运营者无意中犯下的无意错误、失误和缺陷，以及疏忽、缺乏经验或过度自信。此类故障可能发生在大坝的手动操作中，或通过使用其监控和数据采集 (SCADA) 系统，如工业控制系统 (ICS)。它们也可能由于软件缺陷或甚至在远程控制操作中应用信息和通信技术 (ICT) 而发生。至于第二组；非正常人为因素，在此定义为人类在充分了解其可能造成的损害的情况下实施的因素。它们是经过深思熟虑和仔细考虑的决策过程后故意破坏大坝的行为，表现为战争行为、破坏和恐怖活动。在这个现代时代，这些行为是黑客攻击大坝操作系统的特征。这是通过广泛互联的数字技术利用网络空间以及随之而来的通信技术的进步来实现的。因此，这些技术使得对此类系统的远程控制成为可能。不仅如此，大坝现在仍然保持原样
使用潜在向量表示的晶圆图缺陷模式半监督分类
摘要 —随着半导体设计和制造工艺的全球化，集成电路制造阶段的缺陷检测需求变得越来越重要，在提高半导体产品的产量方面发挥着重要作用。传统的晶圆图缺陷模式检测方法涉及使用电子显微镜进行手动检查以收集样本图像，然后由专家评估缺陷。这种方法劳动密集且效率低下。因此，迫切需要开发一种能够自动检测缺陷的模型来替代手动操作。在本文中，我们提出了一种方法，该方法首先采用预先训练的 VAE 模型来获取晶圆图的故障分布信息。该信息作为指导，结合原始图像集进行半监督模型训练。在半监督训练期间，我们利用师生网络进行迭代学习。本文提出的模型在基准数据集 WM-811K 晶圆数据集上进行了验证。实验结果表明，与最先进的模型相比，该模型具有更高的分类精度和检测性能，满足了工业应用的要求。与原始架构相比，我们取得了显着的性能提升。索引术语——缺陷检测；半监督学习；无监督学习；变异自动编码器
对微生物的智能检查自动验证系统的好处分析
近年来，已经将用于微生物识别和抗生素易感性测试的自动机器引入了我们医院的微生物学实验室，但是仍然有许多步骤需要手动操作。这项研究的目的是建立一个自动验证系统，用于细菌命名，以改善周转时间（TAT）并减轻临床实验室技术人员的负担。在对微生物的革兰氏染色结果的基本解释之后，应变生长等的出现等，这9个规则是由专门从事微生物学自动验证细菌命名的实验室技术人员制定的。结果表明，在70,044份报告中，自动验证的平均通过率为68.2％，自动验证失败的原因得到了进一步评估。发现，主要原因是鉴定结果与应变外观合理性之间的不一致，呼吸道和尿液中的正常菌群，质谱仪的识别限制等等。细菌命名初步报告的平均TAT为35.2小时，自动验证后31.9小时。总而言之，自动验证后，实验室可以取代近2/3的手动验证和发布报告，将医疗实验室技术人员的日常工作减少约2 h。此外，初步识别报告中的TAT平均减少了3.3小时，这可能会为临床医生提供治疗证据。
Jurnal Mekanikal - 作者指南
人体工程学可能对生产力水平产生间接影响。本研究的目的是找出案例研究公司存在的人体工程学问题，并针对已发现的问题提出改进方法。该项目在位于芙蓉的新加坡飞机制造 (SAM) 有限公司进行。使用危害识别、风险评估和风险控制 (HIRARC)、快速全身评估 (REBA) 和帕累托图来识别和分析问题。研究发现，预清洁过程是该公司发现的三大人体工程学问题之一。提出了一种新的工具设计，以支持工人在预清洁时的手动操作。进行了 REBA 分析以确定改进后现有姿势和动作的得分。实施了形态图、功能分析和 SolidWorks 模拟软件来设计和分析新设计的强度。研究目标已经实现，人体工程学危害的得分从 10（高风险）降低到 7（中等风险）。关键词：人体工程学方法论、HIRARC、REBA、帕累托图、飞机部件 1.0 简介 人体工程学可以定义为人类生物科学与工程科学之间的相互作用，以实现人与工作之间的最佳兼容性。其效益以人的工作方式的舒适度和在工作中采用良好的安全实践来衡量
VLA模型专家协作，用于双向操纵学习
摘要 - 视觉语言动作（VLA）模型的出现已经引起了机器人的基础模型。尽管这些模型取得了显着改进，但它们在多任务操作中的概括仍然有限。本研究提出了一个VLA模型专家集合框架，该框架利用有限的专家行动来增强VLA模型性能。这种方法相对于手动操作减少了专家工作量，同时提高了VLA模型的可靠性和概括。此外，在协作期间收集的操纵数据可以进一步完善VLA模型，而人类参与者同时提高了他们的技能。这个双向学习循环增强了协作系统的整体性能。各种VLA模型的实验结果证明了所提出的系统在协作操作和学习中的有效性，这是通过跨任务的成功率提高的。此外，使用大脑计算机界面（BCI）验证表明，协作系统通过在操纵过程中涉及VLA模型来提高低速动作系统的效率。这些有希望的结果为在机器人技术基础模型时代推进人类机器人的互动铺平了道路。（项目网站：https：//aoqunjin.github.io/expert-vla/）索引术语 - 人类 - 罗伯特协作；人为因素和人类因素；从演示中学习
NEPR-MI-2019-0007 SU
LUMA 已开发出一些流程，这些流程与在运营输配电系统的同时生成质量报告的需求并存。生成系统数据季度报告的流程在每个报告截止日期前四十五 (45) 天开始，涉及来自 19 个不同领域的 46 名员工，他们具有不同的角色和职责。在大多数情况下，这些员工被临时指派执行与系统数据季度报告相关的任务，因为数据的生成或提取形式与报告的形式不同，因此需要手动操作。相关系统数据以各种方式从各种数据源中检索。目前，本季度报告的开发总共需要 49 个数据源，包括手动输入的处理、质量控制和保证流程以及相关系统数据的主题专家审查。执行所有数据输入、数据收集、数据清理、数据处理、指标计算、数据验证和质量管理所需的总估计时间约为 430 小时。每次提交都需要投入大量时间，并且（取决于报告频率）需要多次重复相同的步骤才能生成准确的数据。尽管 LUMA 可能会在其他场合报告一些统计数据，但《系统数据季度报告》是一份复杂而单一的报告。因此，即使只适用于有限数量的指标，增加报告频率仍需要增加必须分配的资源数量，以满足 NEPR-MI-2019-0007 档案中的报告要求。
调查计划收购 F-35 Lightning II
然而，令人惊讶的是，直到计划的项目开发周期后期，美国政府和主要承包商的项目管理部门才普遍意识到软件的重要性。这就是为什么美国空军中将、F35 联合项目办公室 (JPO) 负责人克里斯·博格丹 (Chris Bogdan) 表示，F-35 的全部软件是当今 F-35 项目成功的主要风险的主要原因之一。2 软件是 F-35 的心脏和灵魂：如果软件不能以极高的可靠性、可用性和可维护性运行，F-35 只不过是一架漂亮的飞机博物馆藏品。这包括飞机本身的嵌入式软件，以及以前所未有的方式与 F-35 紧密耦合的 ALIS 系统。正如 Bogdan 中将所说，“它是一个软件密集型系统，几乎与 F35 计划的每个部分都相连接。”3 如果 ALIS 指示 F-35 尚未准备好飞行，则需要大量手动操作才能推翻其决定。此外，它还是一个主要的运营风险来源：如果 ALIS 无法正常工作，那么毫不夸张地说，飞机也无法工作。从系统角度来看，F-35 的可靠性是嵌入式飞行系统软件和 ALIS 系统的结合，F-35 计划当然不希望强调这一事实。J. Michael Gilmore 博士的最新国防部 F-35 作战测试与评估状态报告中详细记录了 F-35 嵌入式飞行系统软件和 ALIS 持续存在的问题。4 从本报告以及 DOT&E 和美国政府问责局 (GAO) 之前的报告中可以清楚地看出，当前的软件问题根源在于