INTRODUCTION The agricultural sector plays an important role in economic activities in Indonesia because it can contribute to a fairly large gross domestic product (GDP), this can be seen from its contribution, which is around 13.28% in 2021 and is second only to the processing industry sector, which is 19.25%, including one of the sub-sectors that has a significant role, namely the plantation sub-sector (Central Statistics Agency, 2022) .可可(Theobroma cacao L.)是领先的种植园商品之一,主要由小型种植园种植。这是通过统计数据,表明小型可可种植园估计为145万公顷或约99.39%。对国内生产总值(GDP)的贡献,可可也是最大的外汇收入者。然而,具有讽刺意味的是,印度尼西亚的可可生产不断下降。可可是种植农作物之一,是北科拉卡北部苏拉威西北部的主要商品,是一种战略性种植商品,其作用对国民经济很重要,因为它提供了就业机会,a
近期的人机交互 (HCI) 研究突出了一种新范式,即从传统的命令-响应交互转向技术与人体的“集成”。人机集成 (HInt) 研究领域及其“融合”子部分不再将人与计算机视为两个独立的实体,而是旨在将计算机与用户集成为“一个人类技术组合”,以增强人类的能力 [3、21、62、66]。这一目标包括多个层面的整合:(1)物理整合,即将技术置于身体内部或身体上[62];(2)功能整合,将技术参与认知功能,以协助或恢复该功能;(3)体验整合,即技术通过某种方式被感受,成为用户对(a)自己(自我体验)和/或(b)世界(世界体验)的反思性(即显性)体验或前反思性(即隐性)体验的一部分。研究表明,技术的物理或功能整合并不一定会导致体验整合[29, 37, 63, 82]。具体而言,研究发现,技术通常被体验为“其他”的东西,要么感觉完全自主(“整合(为我)做了那件事”),要么由用户反思性地控制(“我让整合做了那件事”)[8],这与传统的命令 - 响应类型的交互有关。除了这些体验之外,研究人员现在感兴趣的是如何将整合系统与用户的自我体验联系起来,以引出诸如“我做了那件事(用我的身体)”这样的陈述(图 1)[20,37,62]。正如我们将要论证的那样,这一步要求我们超越将自我体验仅仅视为反思性的自我判断(“我用我认为是我的身体的东西做了那件事”),也将其视为前反思的自我感觉(“我用感觉是我的身体的东西做了那件事”)。两者之间的区别将在第 3 部分进一步阐述)。引出前反思的自我感觉非常重要,因为没有自我感觉的身体和认知整合系统在某些情况下已被证明会产生不愉快、脱离身体或分离的体验,尽管它们能够提高功能和表现[5,37,61,63,82]。例如,研究人员发现,通过电肌肉刺激 (EMS) 用计算机控制参与者双手的系统通常会让用户感到“害怕”,感觉好像他们“被人推”或“被黑客攻击”[61,82]。同样,对假肢和脑植入物的采访表明,有些人感觉他们的假肢或脑植入物是一个外来物体,而不是他们自己的一部分——即使他们是成功的用户 [28,29,63]。用户经常会报告假肢“碍事”或不可用,需要付出太多努力才能使用,最终导致用户放弃该技术或对它的保护性降低[17,63]。研究人员认为,激发自我意识可以消除这种破坏性体验,并改善保护性行为[17]和可用性期望[26,27,63],并有助于避免用户出现不必要的自我分离[5,29,37](见图2)。
摘要我们提出了一个新型系统,该系统可以在具有上下文意识的游戏中使用大型语言模型(LLM)来增强非播放字符(NPC),从而提供动态,环境敏感的交互。传统上,NPC依靠预先列出的对话和对环境的认识,从而限制了他们对玩家行动的反应。我们的系统通过捕获NPC周围环境的全景图像并应用语义分割来识别对象及其空间位置来解决此问题。我们通过将对象位置与分割信息相结合,从而生成NPC环境的结构化JSON表示。此数据作为LLM提供了上下文,使NPC能够将空间知识纳入与玩家的对话中。结果是更身临其境的游戏玩法,NPC可以在互动过程中参考附近的对象,地标和环境特征,从而增强可信度和参与度。本文讨论了我们系统的技术实施,展示了将视觉感知整合到NPC中如何转换游戏内对话和交互。
建筑计划局长;国防部医学院秘书处,国防部国防部总监,国防部秘书处,国防部秘书处,国防部总监;办公室;防卫省北关东防卫局局长、南关东防卫局局长、近畿中部防卫局局长、中国四国防卫局企划局长、九州防卫局局长、冲绳防卫局局长、防卫技术后勤局局长、会计官
书名 作者审订字号 1 普高数学2 许志农 108104 2 普高数学4A 许志农 109101 3 普高数学4B 许志农 109102 4 技高数学B(Ⅱ) 廖志伟 108295 5 技高数学B(Ⅳ) 廖志伟 109253
图 1。从我们的灰鲸模型中自动提取的曲线。末端的误差与 CurvRank 在海豚背鳍上的行为一致,匹配明显更准确。尽管显示出提取灰鲸背脊边缘的一致能力,尽管存在一些错误(如上图所示),但 CurvRank v2 在匹配这些边缘方面并不是很有效,前 1 名的准确率为 20%,上升到前 20 名的准确率仍然低于 50% --- 事实上,在我们的测试数据集上,每个个体至少有 2 次目击,准确率为 43.5%,如下图所示。我们不确定准确率如此低的原因,但我们使用 CurvRank v2 和这些数据进行的大量实验产生了类似的结果,因此我们认为这可能只是算法在计算视觉特征时拟合不佳。
[如何更改 Microsoft Excel 2013、Microsoft Excel 2016 和 Microsoft Excel 2019 的安全设置]
[如何更改 Microsoft Excel2013、Microsoft Excel2016、Microsoft Excel2019 安全设置]
由于调整成本,通过使用CRISPR-CAS3 mRNA-LNP和基因组编辑诱导的突变蛋白分析的基因组编辑分析将进行高度的安全评估。我们还将为CRISPR-CAS3 mRNA-LNP的大规模生产开发和临床研究做准备。