XiaoMi-AI文件搜索系统
World File Search SystemCollaborative
在嘈杂的协作点云获取环境中，基于准确性的传感器奖励
摘要 - 在Point-Cloud获取环境中的常见挑战，例如实现安全性和自动驾驶，是确定传感器和工人的放置以及要支付给他们的奖励。游戏理论可作为一种非常强大的工具，用于确定部署的传感器和工人的适当奖励的问题，并且先前的一些研究提出了使用游戏理论来确定奖励的方法。但是，这些方法并未考虑AI对下游任务的识别准确性的影响，以开发这些适当的奖励。在本文中，我们通过考虑AI的识别准确性提出了游戏理论的新特征功能。为了定义我们的功能，我们研究了观点数量和点云的噪声水平如何影响分类精度。此外，我们分析了识别模型通过使用Shap重点关注的点云的哪一部分，这是一种基于Shapley值改善机器学习的方法。索引术语 - 点云，特征功能，莎普利值，shap，零拍点云识别模型
使用协作交叉和新心脏模型的识别
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年1月10日。 https://doi.org/10.1101/2025.01.08.631983 doi：Biorxiv Preprint
协作人工智能的层次化框架
我们提出了一个协作智能系统的分层框架。该框架根据协作活动的性质和必须共享的信息来组织研究挑战，每个级别都建立在较低级别提供的功能之上。我们回顾了每个级别的研究范式，描述了基于工程的经典方法和基于机器学习的现代替代方案，并使用假设的个人服务机器人进行了示例说明。我们讨论了各个级别上出现的跨领域问题，重点关注沟通和共享理解的问题、解释的作用以及协作的社会性质。最后，我们总结了研究挑战，并讨论了通过与智能系统的协作来增强人类能力并赋予人类和社会权力的技术可能带来的经济和社会影响。
在协作中有效的对象检测和跟踪
很快，混合现实（MR）和人工智能（AI）技术变得越来越好。这意味着它们在各个领域都有新的和重要的应用，包括医疗，教育和工人培训。这些作者提出了一种新的方法，可以在共享的MR环境中使用Yolov4深学习模型，以便可以实时跟踪和确定对象。这项工作解决了使用基本和复杂的计算机方法诸如遮挡，动态照明和空间对齐等问题的事实，可以区分它。主要的MR工具Microsoft Hololens以及单个相机饲料有助于拟议的系统进行对象检测。根据MS COCO数据集的测试，Yolov4模型的性能优于Yolov2和Yolov3模型。平均平均精度（MAP）为0.988，Yolov4模型是快速且相当精确的。基于统计数据，该策略似乎使小组可以在MR设置中进行协作，以提供在线帮助，培训和基于模拟的学习。对系统的未来研究将使它在更广泛的情况下更加灵活，并能够更好地识别附近的对象。
Idea23D：协作式 LMM 代理支持从交错多模式输入生成 3D 模型
随着 2D 传播模型的成功，2D AIGC 内容已经改变了我们的生活。最近，这一成功已扩展到 3D AIGC，其中最先进的方法可以从单个图像或文本生成带纹理的 3D 模型。但是，我们认为当前的 3D AIGC 方法仍然没有完全释放人类的创造力。我们经常想象由多模态输入制成的 3D 内容，例如如果我的宠物兔子在桌子上吃甜甜圈会是什么样子。在本文中，我们探索一种新颖的 3D AIGC 方法：从 IDEA 生成 3D 内容。IDEA 是由文本、图像和 3D 模型组成的多模态输入。据我们所知，这种具有挑战性和令人兴奋的 3D AIGC 设置以前尚未被研究过。我们提出了新的框架 Idea23D，它结合了基于大型多模态模型 (LMM) 和现有算法工具的三个代理。这三个基于 LMM 的代理负责提示生成、模型选择和反馈反射。它们在完全自动化的循环中相互协作和批评，无需人工干预。然后，该框架生成一个文本提示，以创建与输入 IDEA 紧密一致的 3D 模型。我们展示了令人印象深刻的 3D AIGC 结果，超越了以前的方法。为了全面评估 Idea23D 的 3D AIGC 功能，我们引入了 Eval3DAIGC-198 数据集，其中包含 198 个用于 3D 生成任务的多模态输入。该数据集评估生成的 3D 内容与输入 IDEA 之间的一致性。我们的用户研究和定量结果表明，Idea23D 显著提高了 3D 生成的成功率和准确性，并且在各种 LMM、文本转图像和图像转 3D 模型中具有出色的兼容性。代码和数据集可在 https://idea23d.github.io/ 获得。
在Multi ...
摘要 - 近年来，有效利用Edge服务器来帮助车辆处理计算密集型和潜伏期敏感的任务已成为车辆边缘计算（VEC）中的关注点。在本文中，我们采用了一种合作方法，该方法利用了多个边缘服务器的集体功能。此策略旨在有效管理任务并减轻对这些服务器施加的计算负担。具体来说，图形神经网络（GNN）被应用于提取和分类功能，例如多个边缘服务器的地理位置和通信状态，从而可以选择最合适的服务器进行协作任务执行。我们已经利用太阳能进行了本地计算，有效地实现了环境保护并减轻了车辆的当地能源负担。此外，定义了一种新颖的边缘吸引公式来完善聚类的合理性。此外，还采用了深入的加固学习（DRL）来实时下载决策。为了确保在减轻成本的同时实验准确性，我们建立了相应的数字双胞胎环境来获取实验数据。通过对其他三种基线方法进行比较分析，我们有效地减少了任务完成时间，从而满足了时间敏感任务的严格要求。索引术语 - 行驶边缘计算，车辆互联网，数字双胞胎，任务卸载，图形神经网络，深度强化学习
经济流动研究报告报告25
该出版物是由全国社区行动机构协会（美国）卫生与公共服务部（HHS），儿童和家庭管理部（ACF），社区服务公司（OCS）（OCS），奖励编号90ET0502创建的。在本材料中表达的任何意见，发现，结论或建议都是作者的意见，不一定代表OCS/ACF/HHS或美国政府的官方观点，也不代表认可。有关更多信息，请访问ACF网站，行政
将协作机器人整合到复杂的医院环境
目的：描述科罗在复杂且多层900床的医院环境中，将玉米饼作为药物，供应和设备的输送系统的使用，活动和人类相互作用。将协作机器人（配件）整合到现有的医院工作流程中，这是一个安全的交付运输系统，是一个早期的创新和新兴领域。方法：在创新理论的传播的指导下，使用定性的描述性设计来建立在急性护理医院环境中更好地理解和描述Cobot实施所需的基本知识。在一周中的不同日子里，在他们与工作人员，临床医生和游客互动时，在整个医院旅行时，都在所有轮班上观察到了罪犯。使用归纳编码方法对研究团队成员进行了分析，然后进行了定性内容分析的解释水平。结果：从2022年11月至2022年12月开始的七个星期，从23个单独的柯机观测会议中收集了33小时。这些观察结果包括89个端到端的配件交付。分析后，出现了四个主要主题：1）机器人的人性化，2）机器人的可用性，3）柯比特的自主权和4）在动态医院环境中的柯比特功能。结论：将柯比特实施为半自治的传递转运蛋白仍处于早期创新阶段。本研究中使用的柯比特人需要人类的支持才能在复杂且不可预测的环境中充分发挥作用。为了可持续增强人类专门执行的当前和将来的工作流程，配角将需要向更大的自主权模式过渡，并且人类援助较少。
将人工智能融入人与人协作创意
当人们相互合作、共同探索想法和交换观点时，他们可以产生更多创新的想法。人工智能的进步为人们的创造性活动开辟了新的机会，个人用户可以用各种形式的人工智能进行构思。例如，人工智能代理和智能工具被设计为创意伙伴，提供灵感、建议创意方法或产生替代想法。然而，人工智能能为用户群体之间的协作创意带来什么尚未被完全理解。与个人创意相比，与多个用户一起创意需要了解用户的社交互动，将个人努力转化为集体努力，并最终让用户对与其他小组成员的合作感到满意。本次研讨会旨在召集研究人员和从业人员社区，探索人工智能在人与人协作创意中的整合。探索将围绕确定人工智能的潜在作用以及协作创意的过程和形式，考虑用户想用人工智能或人类做什么。