XiaoMi-AI文件搜索系统
World File Search System抓取
如何引用本文：Sun B, Pang W, Chen M, Zhu D. Development and Experimental Verify of Search and Rescue ROV. Intell Robot 2022;2(4):355-70. http://dx.doi.org/10.20517/ir.2022.23。
本文提出了一种新型搜救遥控机器人（ROV）系统的设计，目标是实现水下目标搜索探测和小目标抓捕及救援的作业要求。首先给出了整个水下系统总体设计和推进系统布局设计。在此基础上对ROV框架结构、电子舱、动力舱进行了设计与分析。为完成抓取任务，基于多功能机械手设计了抓取手，实现水下抓取。为使ROV更加智能化，采用并分析了不同类型的水下物体检测与跟踪方法。最后，在水池和海上进行了试验，验证了所设计的搜救ROV的可靠性和稳定性。
阻止大型科技公司成为大型人工智能
规模。请参阅 Daniel A. Hanley，《让我们让 Google 分享一些秘密》，《华盛顿月刊》，2021 年 7 月 20 日，https://washingtonmonthly.com/2021/07/20/lets-make-google-share-some-secrets/（描述了 Google 的网站抓取基础设施，并且由于“带宽限制和网站所有者偏好”，可以抓取任何给定网站页面数据的网络爬虫数量是有限的。这种情况增加了企业进入搜索引擎行业的门槛）。
社论：太空中的机器人操控与捕获
检查、加油、升级、维修或救援卫星，清除轨道碎片，以及建造和维护大型轨道资产和基础设施等要求对于在轨空间基础设施的维护非常重要。到目前为止，所有值得注意的维修任务都是由宇航员舱外活动 (EVA) 在低地球轨道 (LEO) 上执行的。然而，这些操作风险大、成本高、速度慢，有时甚至不可行。EVA 可以被机器人在轨维修 (OOS) 取代，在此期间，任务由空间机械手系统 (SMS) 执行，在文献中也称为追逐者或服务者。它们由一个卫星基座组成，该基座配备一个或多个带有抓钩装置的机器人机械手（臂），并由视觉系统驱动，从而能够捕获目标（客户）卫星。SMS 也可以是安装在空间设施上的大型维修机械手。本研究课题重点关注在轨操纵和捕获，以及与这些活动相关的方面。因此，它包括与刚性和柔性 SMS 的动力学、相关的接触动力学、空间系统的识别方法、监控和控制所需的姿势和状态感测、抓取目标的运动规划方法、运动或交互任务期间的反馈控制方法以及此类系统的地面测试试验台相关的工作。该研究主题包括五篇文章。在《从空气轴承支撑的测试数据估计空间机械手的振动特性》中，李等人从理论和实验上研究了与平面实验测试试验台相关的问题，该试验台使用空气轴承垂直支撑缩放 SMS 并在平面上创建零重力环境。作者指出，空气轴承会影响缩放 SMS 的动力学行为，从而影响其表观关节的刚度和阻尼、固有频率和振动响应。作者提出了一套程序来消除空气轴承的影响，并从电机制动系统的测试数据中识别真实的等效关节刚度和阻尼。识别惯性特性，并使用遗传算法确定等效关节刚度和阻尼。通过消除空气轴承引起的额外惯性，可以估算出机械手的真实振动特性。在《废火箭级在轨机器人抓取：抓取稳定性分析和实验结果》中，Mavrakis 等人研究了废火箭级的抓取，分析了抓取稳定性，并展示了实验结果。提出了一种评估废火箭级机器人抓取稳定性的新方法，该方法基于计算 Apogee Kick Motor 喷嘴的两指抓取的固有刚度矩阵，并将稳定性指标定义为局部接触曲率的函数，材料特性、施加的力和目标质量。稳定性指标是
WMG 关于人工智能技术的声明
各方必须获得 WMG 的明确许可，才能使用（包括但不限于复制、分发、公开表演、翻录、抓取、抓取、挖掘、录制、更改、提取或准备衍生作品）任何由 WMG 拥有或控制的创意作品，或链接或提取与创建数据集相关的此类创意作品，作为任何机器学习或人工智能技术的输入，或训练或开发任何机器学习或人工智能技术（包括通过自动化方式）。这些创意作品包括所有由 WMG 拥有或控制的录音、视听录音、音乐作品（包括歌词）、文学作品以及任何相关元数据、艺术品和图形图像。
操纵所有内容的补充材料
动作生成模块。我们使用以代理为中心或以对象为中心的方法生成每个动作。对于以对象为中心的动作生成，我们利用了NVIDIA的基础掌握预测模型M2T2 [1]进行选择和放置动作。对于6-DOF抓握，我们从单个RGB-D摄像头（在现实世界中）或多个摄像机（在模拟中）输入一个3D点云。该模型在任何可抓取的物体上输出一组掌握提案，提供6-DOF的抓取候选物（3-DOF旋转和3D-DOF翻译）和默认的抓地力关闭状态。对于放置操作，M2T2输出一组6-DOF放置姿势，指示在基于VLM计划执行Drop原始操作之前，最终效应器应在何处。网络确保对象在没有冲突的情况下稳定地定位。我们还设置了mask_threshold和object_threshold的默认值，以控制拟议的GRASP候选人的数量。提出了模板抓取姿势的列表后，我们使用QWEN-VL [2]通过使用机器翻译模型[3]提示当前图像框架来检测目标对象。此检测应用于来自不同相机的所有重新渲染观点或观点。然后，我们将这些帧连接到单个图像中，将每个子图像用右上角的数字注释。接下来，我们将带有几次演示的GPT-4V API调用，并且任务目标提示GPT-4V输出所选数量的视点，这些视点为采样抓取姿势提供了最无用的视图以实现子任务。使用选定的观点，我们通过将最终效果通过运动计划者移动到采样的抓握姿势来执行掌握。
挖掘“挖掘人工智能”：画廊里的大象
Crawford 和 Paglen 的两场展览 TH 和 MF 以及论文 EAI 可被视为对图像分类学的批判，尤其是对给人类照片贴标签的政治含义的警告。最引人注目的是，他们的项目在 ImageNet 数据库中的一些人物类别上推广了怪异和贬低性的标签。然而，C&P 对计算机视觉训练集的分析基础本身就因分类错误而受损。根本问题是 C&P 试图将非常异质的数据集选择归入机器学习“训练集”的单一未分化类别。C&P 展出的数据集在来源、预期用途、版权和知情同意状态、使用条款、资金来源等方面各不相同。下面我将说明区分各种图像数据集的重要性。 C&P 展示的人脸图像数据集有两种不同的来源：由研究小组在受控实验室条件下精心设计和拍摄的数据集，以及从互联网上大量抓取的图像数据集。我分别将它们称为构建数据集和抓取数据集。考虑它们的不同来源如何影响图像的公开展示。当然，这两种图像数据集未经授权公开展示都存在道德问题，但有一个重要区别：构建数据集的版权和知情同意状态是众所周知的，而抓取数据集的版权和知情同意状态则不确定或未知。与抓取的训练集相比，构建图像集（如 JAFFE、FERET、3 和 CK 4）也有明确定义的使用条款。这三个数据集允许用于非商业科学研究，并允许在报告研究结果的学术文章中有限地复制图像。通过在艺术展上公开展示这些图像，C&P 违反了 JAFFE、CK 和 FERET 构建集的使用条款。艺术家和普拉达基金会声称，他们的使用确实构成了“非商业科学
使用凝胶、水和干 EEG 系统分析和解码自然伸手抓握动作
伸手和抓握是每个人生活中必不可少的一部分，它使人能够与环境进行有意义的互动，是独立生活方式的关键。最近基于脑电图 (EEG) 的研究已经表明，可以在 EEG 中识别自然伸手和抓握动作的神经关联。然而，这些在实验室环境中获得的结果是否可以过渡到适用于家庭使用的移动 EEG 系统仍是一个问题。在当前的研究中，我们调查了是否可以使用移动 EEG 系统（即基于水的 EEG-Versatile TM 系统和干电极 EEG-Hero TM 耳机）成功识别和解码基于 EEG 的自然伸手和抓握动作的关联。此外，我们还分析了在实验室环境中获得的基于凝胶的记录（g.USBamp/g.Ladybird，黄金标准），这些记录遵循相同的实验参数。对于每个记录系统，15 名研究参与者执行了 80 次自发伸手抓取玻璃杯（手掌抓取）和勺子（侧抓取）的动作。我们的结果证实，使用这些移动系统可以成功识别基于 EEG 的伸手抓取动作的相关性。在结合运动条件和休息的单次试验多类解码方法中，我们可以证明低频时域 (LFTD) 相关性也是可解码的。根据未见测试数据计算的总平均峰值准确度，水基电极系统为 62.3%（9.2% STD），而干电极耳机达到 56.4%（8% STD）。对于凝胶基电极系统，可以达到 61.3%（8.6% STD）。为了促进和推动基于 EEG 的运动解码领域的进一步研究，以及让感兴趣的社区得出自己的结论，我们提供了 BNCI Horizon 2020 数据库 (http://bnci-horizon-2020.eu/database/data-sets) 中公开的所有数据集。
