XiaoMi-AI文件搜索系统
World File Search SystemContextual
机器人情境意识的神经生物学模式模型
摘要 — 在多种环境下运行的机器人必须开发稳定且灵活的任务和环境相关表示。从神经生物学中汲取灵感，我们应用了图式和记忆巩固的神经网络模型来训练丰田人类支持机器人在室内环境中查找和检索物体。我们将图式定义为由共同上下文绑定在一起的物体集合。在这种情况下，机器人必须根据通常在这些房间中发现的物体来学习与学校房间相关的图式。由于该模型为每个房间开发了图式表示，因此机器人可以快速执行与熟悉图式相关的物体检索任务，并根据上下文消除任务歧义。我们的实验探索了该模型在具体环境中的效果，并展示了将记忆巩固研究应用于机器人情境感知的好处。索引词 — 记忆巩固、学习情境、认知机器人、神经调节、神经机器人、图式
通过机器学习方法识别关键情境设计线索
承担安全关键功能的自主技术的发展，例如无人驾驶汽车或手术机器人，可以潜在地减少事故和错误并提高生产力。然而，尽管自主系统有望提高安全性和生产力，但之前的人机交互研究表明，增加自动化并不一定能保证提高系统效率或安全性。通常，在大型系统内实现任务自动化会通过将操作员的工作量从一种物理或认知资源转移到另一种物理或认知资源来修改任务，从而改变任务而不是改进任务。操作员无法理解的设计不良的自动化通常会导致人为错误，并因实施不便而降低系统效率（Lee and Morgan 1994）。
AFIS 上下文信息的偏差效应 - ePrints Soton
机器。在本文中，我们研究了使用自动指纹识别系统 (AFIS) 对人类决策者的影响。我们向 23 名潜在指纹检查员提供了 3680 份 AFIS 列表（共 55,200 次比较），作为他们正常案件工作的一部分。我们操纵了 AFIS 列表中匹配指纹的位置。数据显示，潜在指纹检查员在错误排除和错误不确定方面受到匹配指纹位置的影响。此外，数据显示，错误识别错误更有可能出现在列表顶部，即使正确匹配出现在列表的更下方，也会发生此类错误。需要仔细研究和考虑这些影响，以便在使用 AFIS 等技术时优化人类决策。
对 AFIS 背景信息进行量化评估，以判断后续检查结论的准确性和可靠性
技术报告最终稿 技术报告最终稿 对 AFIS 背景信息对后续审查员结论的准确性和可靠性的量化评估 DoJ/NIJ 授权号 #2009-DN-BX-K224 Itiel Dror 和 Kasey Wertheim 摘要 即使将认知任务分担给人与机器，专家在法医决策中仍然发挥着关键作用。这在模式和印象证据中尤为明显，因为自动指纹识别系统 (AFIS) 等技术引入了认知技术，从而创建了这种协作环境。在本文中，我们研究了使用 AFIS 对人类决策者的影响，特别是研究了 AFIS 背景信息对人类专家的潜在偏见影响。作为他们正常办案工作的一部分，我们向 23 名潜在指纹审查员提供了数千份 AFIS 列表。我们将匹配的指纹纳入一些列表中，并操纵匹配候选图像在 AFIS 列表中的位置（将其放在最顶部、靠近顶部、靠近底部或最底部），操纵分数（增加或减少指纹之间的范围），或将这两种操纵结合在一起。我们观察了错误决策（错误的不确定或错误的排除）是否与列表中的位置或分数有关。数据显示，潜指纹检查员受位置的影响，尤其是在比较时间较短的情况下，但他们并不