XiaoMi-AI文件搜索系统
World File Search SystemActive
主动机器人课程从在线人类演示中学习
摘要 - 从演示中学习（LFD）允许机器人从人类用户学习技能，但是由于次优教学，尤其是未经训练的示威者，其有效性可能会受到影响。活跃的LFD旨在通过让机器人积极要求演示来增强学习来改善这一点。但是，这可能会导致各种任务情况之间的频繁上下文切换，从而增加了人类的认知负载并将错误引入演示。此外，很少有活跃的LFD研究研究这些主动查询策略如何影响人类教学以外的用户体验以外的方面，这对于开发有利于机器人学习和人类教学的算法至关重要。为了应对这些挑战，我们提出了一种活跃的LFD方法，该方法通过课程学习（CL）优化了在线人类示范的查询顺序，在该方法中，示威者被指导在逐渐增加困难的情况下提供示范。我们在四个模拟的机器人任务中评估了我们的方法，并进行了稀疏的奖励，并进行用户研究（n = 26），以研究主动LFD方法对人类教学方面的教学绩效的影响，导致教学后教学适应性和教学可转移性。我们的结果表明，与其他三种LFD基准相比，就融合政策和样本效率的最终成功率而言，我们的方法显着提高了学习绩效。此外，我们的用户研究结果表明，我们的方法大大减少了人类示威者所需的时间，并减少了失败的演示尝试。与另一个活跃的LFD基线相比，它还可以增强在可见和看不见的情况下的指导后人类教学，这表明教学表现增强，更大的后指导教学适应性以及通过我们的方法实现的更好的教学可转移性。索引术语 - 从示范中学习；课程学习；积极的模仿学习；人类在环境中
在2025年接受德克萨斯州奥斯汀市的IEEE PES股东大会（PES GM 2025）接受，使用STO
摘要 - 本文引入了一种分布式的应急检测算法，用于使用随机混合系统（SHS）模型在功率分配系统中检测不可观察的意外情况。我们旨在应对分销网络中有限测量能力的挑战，这些挑战限制了迅速检测意外事件的能力。我们将分布网络连接，负载馈线，PV和电池储能系统（BESS）混合资源的动力学结合到完全相关的SHS模型中，该模型代表分布系统作为意外情况下不同结构之间的随机切换系统。我们表明，SHS模型中的跳跃对应于物理功率网格中的突发事件。我们基于幅度调制输入（MAMI）采用探测方法，以使意外情况可检测到。通过对样本分布系统的模拟来验证所提出的方法的有效性。索引术语 - PV-BESS，分布系统，不可检测的偶性，随机混合系统，偶然性检测。
可再生能源的合成氧化还原活性化合物...
可以通过开发廉价的能源存储来减少我们能源供应的总体能源2排放，从而调节间歇性风能和太阳能技术的电力供应，而太阳能技术通常无法与市场需求保持一致。流量电池非常适合该网格存储应用，因为它们的能量和电源成本脱钩。为了克服传统自然资源的局限性和地缘政治，研究人员已开始合成溶解在流量电池电解质中的能量载体，这些能量从低成本和广泛可用的化学前体中综合。有机分子还是协调络合物，这些氧化还原活性化合物的性能，成本和稳定性是该技术成功的关键指标。本演讲将简要概述流动电池技术的历史和发展，然后更详细地说明当前的最新水平状态，并特别着重于水性化学。将提供有关电化学性能和循环稳定性电池电解质的原始结果，同时强调了最近改善其寿命的努力。
AVR：主动视力驱动的机器人精确操作，具有视点和焦距优化
精确操作是指机器人在综合环境中表现出高度准确，细致和灵活的任务的能力[17]，[18]。该领域的研究重点是高精度控制和对动态条件的适应性。使用运动学模型和动态模型以实现结构化设置中的精确定位和组装[19]，依靠刚性机械设计和模型驱动的控制依赖于刚性机械设计和模型驱动的控制。最近，深度学习和强化学习改善了动态环境中的机器人适应性[20]，[21]，而视觉和触觉感应的进步使千分尺级的精度在握把，操纵和组装方面[22]。此外，多机器人协作还允许更复杂和协调的精确任务。尽管取得了重大进展，但在多尺度操作整合，动态干扰补偿和低延迟相互作用中仍然存在挑战[23]。未来的研究应进一步改善交叉模态信息的实时对齐，并增强非结构化环境中机器人视觉的鲁棒性，以优化精确的操纵能力。
MDT活动，最近完成的研究项目
Projects 8882-444-17, -18, -21, -24, and -25: MGMT Support (2020-2024 FFY) Project 8882-444-19: A Review of Methods to Change Beliefs Project 8882-444-20: Resources and Tools to Reduce Multi-Risk Driving Behaviors Project 8882-444-22 : Resources and Tools to Improve Pedestrian Safety Project 8882-444-23：了解积极的驾驶和减少它的方式 - 第1阶段项目8882-444-26：了解攻击性驾驶和减少驾驶方式 - 第2阶段
优化有机太阳能电池：P3HT的效果：PCBM活动层和CA干扰层
摘要：我们已经对聚（3-己基噻吩）（P3HT）（P3HT）和[6，6] - 苯基C61丁基甲基甲基酯酯活性层活性层活性层散装散装量量形的理论入射光子到电流（IPCE）作用光谱。通过玻璃基材/SIO 2/ITO/PEDOT的结构的二维光学模型：PSS/P3HT：PCBM（1：1）/CA/AL，该设备的光响应已计算出针对不同的光活性层和CA层的厚度，从而可以找到最大的设备构造，从而可以在最大程度上效率地效果，从而获得了最大的效果效果，从而可以在上位效果，从而获得最大的效果。已经计算出电场强度，能量耗散，发电速率和IPCE，以提高设备的性能。有限元方法在1.5 AM照明的100 mW/cm 2的入射强度下执行模拟。发现，最佳结构是通过180 nm光活性层和5 nm Ca层厚度实现的。
硫氧还蛋白还原酶和有机金属络合物
fi g u r e 4微生物活性在原位24小时孵育和前坐骨长期实验室孵育中。在（a）Mittivakkat冰样品，（b）Langjökull雪样品和（c）Langjökull冰样品中的细菌的活性分数（通过Boncat确定）。显示了均位于原位（即在冰川表面上）的孵育（一式三份）和实验室在2°C的实验室孵育的前静电序列，从-20°C的6个月储存（以单次）为单位。孵育时间（天）表示添加HPG（“预孵育”）和与HPG 24小时（“ HPG结构”）之前的孵育期和24小时的总和。小提琴图的外部形状表示数据的内核密度分布，其中较宽的部分表明数据密度较高。
scsemiprofiler：通过半生成模型和主动学习
单细胞测序是剖析复杂疾病的细胞复杂性的关键工具。其过于良好的成本会阻碍其在广泛的生物医学研究中的应用。传统的细胞反卷积方法可以从更负担得起的散装测序数据中推断出细胞类型比例，但它们在提供单细胞级分析所需的详细分辨率方面却缺乏。为了克服这一挑战，我们介绍了“ SCSemiprofiler”，这是一个创新的计算框架，将深层生成模型与主动学习策略结合。这种方法通过将批量测序数据与来自一些严格选择的代表的靶向单细胞测序融合，从而在大型队列中熟练地侵入单细胞轮廓。跨越异质数据集的广泛阀门验证了我们的半封装方法的精度，与真实的单细胞分析数据紧密一致并赋予精致的细胞分析。最初是为广泛的疾病队列开发的，“ scsemiprofiler”适用于广泛的应用。它为单细胞分析提供了可扩展的，具有成本效益的解决方案，促进了各种生物领域的深入细胞研究。
对康复和协助的主动手部外骨骼的审查
摘要：由于生命质量和患者的流动性降低，尤其是患有手部残疾的人，残疾是一个全球问题。本文在过去十年中对主动手部外骨骼技术进行了审查，以供康复，援助，增强和触觉设备。手外骨骼仍然是一个积极的研究领域。每个手外骨骼都有一定的要求，可以实现其目标。这些要求已被提取并分为两个部分：一般和特定的部分，为开发未来设备提供了一个共同的平台。由于这仍然是一个发展中的领域，因此根据领域的进步也会形成要求。技术挑战，例如尺寸要求，重量，人体工程学，康复，执行器和传感器，都是由于手工的复杂解剖结构和生物力学所致。手是人体中最复杂的结构之一。因此，为了了解某些设计方法，本文解决了手的解剖学和生物力学。由于实施智能系统和新的康复技术，这些设备的控制也是一个挑战。这包括意图检测技术（脑电图（EEG），肌电图（EMG），入学）和估计应用辅助。因此，本文以系统的方法总结了该技术，并回顾了主动手部外骨骼的艺术状态，重点是康复和辅助设备。
辅助评论主动学习指南
通过使用称为载体机器学习的技术，可以不断地从审阅者的编码决策中学习。审阅者使用二进制分类系统代码文档。例如，相关且不相关。这些编码决策是由发生机器学习的主动学习模型摄入的。作为审阅者代码，该模型在识别使文档相关或不相关的原因方面变得更好，并为审阅者提供了最佳文档。主动学习提供了两种审核方法，使其适合您的情况需求：