XiaoMi-AI文件搜索系统
World File Search SystemEmbodied
体现的超级大国：对高度敏感健康从业者的经验的定性研究
摘要：目的：研究已经确定，大约20-31％的全球人群可以被认为是高度敏感的 - 遵守感觉处理灵敏度（SPS）的特征。sps与对内部，环境和社会刺激的敏感性和反应性的提高相关，通常被认为是脆弱性。尽管如此，它已被证明有可能成为人们的资产。但是，研究文献中存在一个关于高度敏感的健康从业者的经验以及他们如何最好地管理对自己和他人利益的高度敏感性的差距。设计：一种定性方法探讨了在与客户合作的背景下，高度敏感的健康从业者如何体验和与SPS打交道。方法：深入，半结构化的定性访谈是由十位从业者进行的，这些访谈是从许多健康专业中汲取的。结果：定性基础理论分析揭示了将SPS作为“体现的超级大国”和复杂的，复杂的，交织的动态相互作用的总体主题：欣赏，挑战，旅程和客户工作。结果表明，如果管理良好，SPS确实可以成为从业者的宝贵资产。的含义：作为以系统的，科学的方式研究该主题的第一个此类研究，该研究在探索SPS方面具有重要意义，尤其是与实施理论有关。发现对高度敏感的健康从业者有影响，有助于理解其特质，并就如何最好地管理它提供实用建议。
利用基于LLM的多代理协作来增强体现的代理的推理能力，以解决在人口填充的Envi
在人类填充的环境中使用移动机器人已成为机器人技术中的关键研究领域，并体现了AI。最初，研究集中于在人类相互作用有限的结构化环境中运行的机器人。然而，随着对机器人在更具动态和不可预测的环境中的需求不断增长，研究越来越集中于改善适应性和增强人类机器人协作。Chung等。 [1]探讨了移动机器人如何自主收集和传输环境数据以支持人类活动。 各种研究人员，例如Zhang等。 [2]，Trautman和Krause [3]，Truong和Ngo [4]，Trautman等。 [5]，检查了在复杂的，以人为中心的环境中运作的移动机器人的强大导航策略。 另外，Liang等。 [6]引入了一种方法，可以通过对话处理来确定人类的动态位置。 Triebel等。 [7]开发了一个机器人的系统，以感知，学习和模拟人类的社会行为，使他们能够在互动中做出适当的实时决策。Chung等。[1]探讨了移动机器人如何自主收集和传输环境数据以支持人类活动。各种研究人员，例如Zhang等。[2]，Trautman和Krause [3]，Truong和Ngo [4]，Trautman等。[5]，检查了在复杂的，以人为中心的环境中运作的移动机器人的强大导航策略。另外，Liang等。[6]引入了一种方法，可以通过对话处理来确定人类的动态位置。Triebel等。[7]开发了一个机器人的系统，以感知，学习和模拟人类的社会行为，使他们能够在互动中做出适当的实时决策。
在虚拟现实中的城市探索城市探索的体现对话剂
我在此解释说我已经独立写了这项工作，我已经完全指定了有用的资源和辅助工具，并且我肯定已经担任了工作的立场 - 包括表，地图和插图 - 在措辞或含义中，其他作品或互联网在任何情况下，无论如何将其表示为借款。我进一步解释说，我只使用生成的AI工具作为工具，而我在当前工作中的创造力主要超过了我的创造性影响。在附录“概述使用的艾滋病”中，我列出了所有使用的生成AI工具，并指示了它们的使用方式以及如何使用。对于没有实质性更改而没有实质性更改的文本段落，我给出了输入（提示）以及与您的产品名称和版本号/日期一起使用的IT应用程序。
体现摊位：检索和生成的一般非参数体现记忆
图1：体现抹布方法概述。（a）记忆是通过将拓扑图的节点组织到语义森林中来构建的。（b）（a）中的内存可用于查询，并带有并行的树遍历。（c）具有文本输出的导航操作，或者可以为查询生成全局说明，并将检索结果用作LLM上下文。
teledrive：基于AI的体现触发系统
摘要本文介绍了“ Teledrive”，这是一种具有体现AI功能的远程呈现机器人系统，可以使操作员能够在任何未知的远程远程位置导航，并以最少的人为干预。我们在将老年公民以及受传染性疾病影响的偏远的“养育”民主化的背景下构思。特别是，本文着重于导航到粗糙目标区域（例如“卧室”或“厨房”）的问题，而不是预期的目的地。这在一个独特的基于“区域”的导航功能中引入，在当代解决方案中尚未深入探索。此外，我们描述了基于基于WEBRTC的通信框架建立的基于边缘计算的软件系统，通过易于使用的基于语音的人类机器人的交互来实现上述方案。此外，为了增强远程护理人员的操作易于操作，我们结合了“遵循的人”功能，该功能可以按照操作员的指示在其房屋中关注一个人。此外，与现有解决方案不同，呈现的系统与特定的机器人硬件相结合。我们通过基线实验，用户研究和现实生活部署评估了所提出系统的效率。
建筑物中的碳 - 加利福尼亚空气资源委员会
•结构工程•贸易协会•材料或产品制造商•建筑师 /设计师•建造者 /承包商•开发商•社区成员•政府或国家实体•非营利组织•非政府组织•其他< / div>
系统审查
建筑物和建筑部门是最大的碳发射极，占全球年度排放的三分之一以上。排放可以分别分为与建筑物运营和建筑材料相关的操作和具体碳。为了实现碳中性建筑物，应在整个建筑物的生命周期中最小化操作和具体碳。然而，大多数气候研究和行动都集中在最小化碳的最小化，而减少体现碳的努力却滞后。本报告概述了在建筑物的每个生命周期阶段评估体现碳排放的方法。在美国背景下比较了为生命周期评估（LCA）设计的数据库和工具。评估还原碳策略的案例研究将特别着重于弹性设计，结构改造，结构系统选择和材料规范。此外，本报告还确定了知识不足的领域，并概述了对碳评估和减少的未来研究需求。最后，该报告概述了与建筑物碳相关的国际标准和建筑物代码。总体而言，该报告提供了宝贵的指导和见解，以支持建筑部门正在进行的脱碳工作。通过强调创新策略和最佳实践，它为寻求减少碳排放并减轻气候变化的行业专家，政策制定者和研究人员提供了有用的资源。
p-rag：逐步检索增强产生，用于计划体现的日常任务
体现的日常任务是体现的AI社区中的一项流行任务，要求代理商根据自然语言说明和视觉观察做出一系列动作。传统的基于学习的方法面临两个挑战。首先，自然语言指令通常缺乏明确的任务计划。其次，需要进行高度培训才能为模型提供对任务环境的了解。以前基于大语言模型（LLM）的作品要么由于缺乏任务特定知识而遭受性能差，要么依靠地面真理作为少数样本。为了解决上述局限性，我们提出了一种称为渐进检索增强发电（P-rag）的新颖方法，该方法不仅有效地利用了LLMS的强大语言处理能力，而且还逐渐积累了特定于任务的知识而没有地面真相。与传统的抹布方法相比，该方法以单发方式从数据基础中检索相关信息以协助生成，p-rag引入了一种迭代方法来逐步更新数据库。在每次迭代中，p-rag检索最新数据库，并从上一个相互作用中获取历史信息，作为当前交互的经验参考。此外，我们还引入了一个更精细的检索计划，该计划不仅可以检索相似的任务，而且还结合了类似情况的检索，以提供更有价值的参考经验。广泛的实验表明，P-rag在不利用地面真理的情况下取得了竞争成果，甚至可以通过自我读取进一步提高绩效。
呼唤具身人工智能
我们提出，具身人工智能 (E-AI) 是追求通用人工智能 (AGI) 的下一个基本步骤，并将其与当前的人工智能进步（尤其是大型语言模型 (LLM)）进行比较。我们遍历了具身概念在不同领域（哲学、心理学、神经科学和机器人技术）的演变，以强调 E-AI 如何区别于传统的静态学习范式。通过扩大 E-AI 的范围，我们引入了一个基于认知架构的理论框架，强调感知、动作、记忆和学习是具身代理的基本组成部分。该框架与 Friston 的主动推理原则相一致，为 E-AI 开发提供了一种全面的方法。尽管人工智能领域取得了进展，但仍存在重大挑战，例如制定新颖的人工智能学习理论和创新先进硬件。我们的讨论为未来的 E-AI 研究奠定了基础指导方针。我们强调创建能够在现实环境中与人类和其他智能实体进行无缝通信、协作和共存的 E-AI 代理的重要性，我们的目标是引导 AI 社区应对多方面的挑战，并抓住 AGI 探索过程中的机遇。