XiaoMi-AI文件搜索系统
World File Search System自主性
脑机交互中的自主性和自由思想
神经技术在消费品中的广泛应用增加了对自主权和自由思想等人权的风险。尽管脑植入物和支持脑电图的可穿戴设备等技术在临床应用中具有潜在益处，但它们对人类的精神和心理操纵提出了严重担忧。尤其是在美国，法律和政策落后于技术发展，从而增加了商业神经技术被滥用和误用的风险。本文重点关注商业神经技术，它不同于用于临床诊断的医疗神经技术，并试图通过克服监管漏洞来防范用户的人权风险。本文认为，消费者神经技术对用户自由思想和自主权的损害是可以预见和已知的，但却被市场激励和技术的双重治疗目的所掩盖，并认为先发制人的监管是必要的，并有先例支持。为此，本文分析了预防原则、道德效用和人权等治理机构的先例，以及其他司法管辖区（智利、西班牙、联合国）的当前举措。该分析指出了降低神经技术风险的可能方法，既有广义的，也有狭义的。具体而言，本文规定，基于道德效用理论的专利法的扩展，结合
迈向持久陆地传感器模块化自主性...
ASM 能够感知环境、处理原始数据并针对预配置的目标配置文件执行目标检测。在 SAPIENT 概念下，ASM 还能够自主决定自己的传感器参数（例如，被动 EO 传感器的视野、视角、焦点等，或主动传感器的发射功率、光束方向等），以提高检测/威胁识别能力。ASM 是独立的单元，只需要数据连接接口和电源即可运行。ASM 内部有传感器头、数据处理和自主决策等组件（见图 2）。传感器、数据处理和自主决策功能之间的所有内部通信对系统的其他部分都是不可见的。ASM
军事机器人的自主性和杀伤力 |贝利剧院
《Revue Défense Nationale》由国防研究委员会（根据 1901 年法律成立的协会）出版 地理位置：École Militaire, 1 place Joffre, PARIS VII 邮政地址：BP 8607, 75325 PARIS CEDEX 07 传真：01 44 42 31 89 - www.defnat.fr - redac@defnat.com 出版总监：Thierry C ASPAR -F ILLE -L AMBIE - 电话。: 01 44 42 31 92 主编：Jérôme P ELLISTRANDI - 电话。: 01 44 42 31 90 副主编：Audrey H ÉRISSON 秘书长兼网站管理员：Paul L APORTE - 电话。: 01 44 42 31 91 总编辑秘书：Pascal L ECARDONNEL - 电话。: 01 44 42 43 69 执行助理兼编辑秘书：Marie-Hélène M OUNET - 电话。: 01 44 42 43 74 编辑秘书：Jérôme D OLLÉ - 电话。：01 44 42 43 69 订阅：Éliane L ECARDONNEL - 电话。: 01 44 42 38 23 研究经理：Laurent H ENNINGER 和 Emmanuel D ESCLÈVES - 电话。: 01 44 42 43 72 阅读委员会：Marie-Dominique C HARLIER -B AROU、André D UMOULIN、Jean E SMEIN、Anthony H ERVEY、Sabine DE M AUPEOU 和 Bernard N ORLAIN 广告公司 (ECPAD)：Karim B ELGUEDOUR - 电话。: 01 49 60 58 56 DL 94344 - 2018 年第 4 季度 - ISSN: 2105-7508 - CP n° 1019 G 85493 of December 4, 2014 由 Bialec 印刷, 23 Allée des Grands Pâquis, 54180 H EILLECORT
ARMD 战略重点 6：确保航空转型的自主性
nasa.gov › 文件 › 附件 PDF 2016年6月28日 — 2016年6月28日 航空效率、可靠性和可信赖性 ... 2025 产品：数字孪生，用于自主维持/维护和实时结构安全... 20 页
空间机器人的自主性：过去、现在和未来
摘要 审查目的 本审查旨在突出任务阶段的空间自主性进展，了解预期的自主性需求和相关原理，评估实践状态，并分享未来可能引领太空探索新前沿的进步想法。 最新发现 在过去二十年中，已经在航天器操作中演示和使用了几种自主功能和系统级能力。尽管如此，今天的航天器仍然很大程度上依赖地面在环路中评估情况并计划下一步行动，使用预先编写的命令序列。在任务阶段取得了进展，包括航天器导航；近距离操作；进入、下降和着陆；表面机动性和操纵；以及数据处理。 但过去的成功做法可能无法持续用于未来的探索。当平台与行星体进行物理交互时，地面操作员预测其计划结果的能力会严重下降，就像二十年来火星表面操作所经历的那样。这是由于知识有限、与环境的复杂物理交互以及相关模型的局限性而产生的不确定性。摘要 机器人技术和自主性具有协同作用，其中机器人技术提供灵活性，自主性则运用灵活性来更有效、更稳健地探索未知世界。通过利用 SmallSats 的快速增长、近地物体的相对可达性以及最近发射机会的增加，可以大大提高此类能力。
人工智能（AI）在语言学习自主性中的应用（...
2 马来西亚槟城理科大学教育学院讲师 摘要：人工智能 (AI) 已经闯入学习领域，并极大地影响了学生学习语言的方式。近年来，随着移动辅助应用程序的使用增加，语言学习自主性 (LLA) 出现了巨大的增长，为学生和教师所采取的方法以及相关研究带来了巨大的变化。本文对人工智能对语言学习自主性 (AILLA) 的影响进行了系统的文献综述 (SLR)。SLR 分析了 2013 年至 2024 年期间从 Scopus、Springerlink 和 ERIC 的全球数据库中选出的 21 项研究。研究文章强调了 AILLA 在提高语言习得技能方面的优势和局限性。PRISMA 模型用于分析研究文章。研究结果为教育工作者和开发人员提供了宝贵的见解，以提高基于人工智能的语言学习工具的有效性。根据 21 篇研究文章的数据分析了 AILLA 研究的全球趋势、使用的人工智能技术应用和研究中采用的干预方法。审查结果表明，人工智能研究和人工智能在 LLA 中的使用呈激增趋势。这项研究的结果表明，人们更加重视人工智能驱动技术的运作或应用，而不是人工智能在 LLA 中的影响和潜在好处。 关键词：人工智能、语言学习自主性、自主学习、教育技术、PRISMA、文献综述 1. 简介：语言是沟通、联系和在文化多元世界中架起桥梁的关键。要想实现互联互通和独立，跨语言交流的能力是成功的关键技能。目前有超过 7000 种口语和大约 300 种脚本语言，了解它对个人的变革性影响至关重要。语言学习自古以来就被高度重视，因为语言能力可以带来巨大的机会。语言学习的自主性对于学习者发展在多语言世界中有效驾驭语言介导的社会化所需的技能和能力至关重要（Benson，2012 年）。语言学习自主性 (LLA) 标志着从传统的以教师为中心的教学模式向以学习者为中心的教学模式的转变，在这种教学模式下，个人可以控制自己的教学过程。这种自主学习框架非常重视学生确定自己的目标、选择合适的学习技巧和跟踪其发展的能力。因为学习一门新语言本质上是一种亲密的
Microsoft Word - 编辑部 - 驾驶自动化和自主性.docx
专题：驾驶自动化和自主性 Neville A Stanton 人为因素工程、交通研究组、Boldrewood 创新园区、土木、海洋和环境工程、工程与物理科学学院、南安普顿大学、Burgess Road、南安普顿、SO16 7QF、英国。 摘要 自动驾驶有可能为驾驶员提供支持，使他们有时间做其他事情，例如工作、休息或娱乐。问题是，在目前的例子中，自动驾驶需要驾驶员执行监控功能并随时准备在需要时进行干预。这是自动化领域最糟糕的事情。监控任务（如果执行得当）可能比手动驾驶更苛刻，驾驶员没有时间做其他事情。更糟糕的是，监控任务无法持续很长时间，有时会导致车辆碰撞，因为驾驶员无法及时干预。二十多年来进行的一项首批研究表明情况确实如此，而且自那以后确实没有任何改进。本期特刊报道了汽车自动化的最新发展，并指出了未来研究的方向。与人为因素的相关性/与人体工程学理论的相关性驾驶自动化和自主性已经来临，二十年前预测的问题开始出现。这些问题包括预期收益不足、设备不可靠、驾驶员技能衰退以及容易导致错误的设备设计。此外，驾驶员在身体和精神上都脱离了驾驶任务，可能会从事其他非驾驶任务。具有讽刺意味的是，如果驾驶员不从事其他任务，那么他们的注意力资源就会减少（使他们在紧急情况下更难以重新控制车辆）。如果驾驶员确实从事其他非驾驶任务，那么他们的注意力资源池就不会消耗到同样的程度（提供保护作用），但其他任务的干扰会减慢从自动化中重新获得车辆控制的速度。这是自动驾驶的主要难题之一，本期特刊中的论文或多或少地解决了这个问题。自动驾驶和自主驾驶简介 自动驾驶和自主驾驶的主要驱动力之一是改善人类状况的潜力。至少，自动驾驶系统可以为老年人、残疾人、年轻人、忙碌和无聊的司机提供支持。此外，这些自动驾驶系统还可以减少交通拥堵、碰撞和排放等社会问题。然而，目前，我们距离完全消除对人类监督、监控和干预需求的驾驶系统还有一段距离。事实上，Bainbridge (1983) 对自动化的讽刺在今天的车辆自动化中仍然像 35 年前在工业和飞行甲板自动化中一样成问题。Bainbridge 的
提高飞行中用户自主性的愿景和路线图...
迅速到达目的地。为此目的使用飞机的公司和个人，即空域用户，希望根据动态优化的业务轨迹来操作飞机，以完成其特定任务和运营业务模式。在当前的运营中，出于安全和空中导航服务提供商的运营需求的原因，业务轨迹的动态优化受到国家空域系统 (NAS) 运营中内置约束的限制。NASA 一直在开发和测试克服这些限制的方法，并允许在飞行前和飞行过程中随着条件的变化，更接近空域用户不断变化的业务轨迹进行运营。提出了一个提高用户自主性的合理步骤路线图，首先是 NASA 的交通感知战略机组请求 (TASAR) 概念，该概念使机组人员能够向空中交通管制提出明智、无冲突的飞行优化请求。这些步骤包括使用数据通信来处理路线变更请求和批准、与联邦航空管理局 (FAA) 正在开发的基于时间的到达流量管理流程集成、增加用户定义和修改轨迹下游战略部分的权限，以及最终应用自我分离。这一进展利用了现有的 FAA NextGen 计划和 RTCA 标准开发，旨在减少
机器自主性：定义、方法、挑战和研究
构成自动驾驶汽车、工厂机器人等人工智能系统的设计和实现的过程大多是手工设计的，设计者的目的是让机器人充分了解它所处的世界。这种方法并不总是有效的，尤其是当代理的环境未知或太复杂而无法用算法表示时。真正自主的代理可以发展技能，使其能够在这样的环境中取得成功，而无需先验地赋予它环境的本体知识。本文旨在回顾机器自主性的不同概念，并提出自主性及其属性的定义。本文提出的自主性属性分为低级和高级属性。低级属性是作为自主系统和其他自动化系统分界线的基本属性，而高级属性可以作为对任何通过低级自主性的系统的自主性程度进行排序的分类框架。本文回顾了一些专注于自主代理设计的人工智能技术以及流行的人工智能项目，以确定实现真正的自主系统所面临的挑战并提出可能的研究方向。
