XiaoMi-AI文件搜索系统
World File Search SystemGrounded
接地课程学习
摘要 - 机器人增强学习（RL）的实际数据的高成本导致模拟器的广泛使用。尽管在建立更好的动态模型方面为模拟器与现实世界匹配，但在模拟与现实世界之间存在另一个经常被忽视的不匹配，即可用培训任务的分布。现有的课程学习技术进一步加剧了这种不匹配，从而在不考虑其与现实世界的相关性的情况下自动改变了模拟任务分布。考虑到这些挑战，我们认为机器人的课程学习需要基于现实世界的任务分布。为此，我们提出了扎根的课程学习（GCL），该课程将课程中的模拟任务分布与现实世界保持一致，并明确考虑了对机器人的任务以及机器人过去的执行方式。我们使用谷仓数据集在复杂的导航任务上验证GCL，与州专家设计的状态CL方法和一项课程相比，成功率高6.8％和6.5％。这些结果表明，GCL可以通过接地自适应课程中现实世界中的模拟任务分布来提高学习效率和导航性能。
扎根理论研究
本期刊文章的自存档后印本版本可在林雪平大学机构知识库 (DiVA) 上找到：http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-184470 注意：引用本作品时，请引用原始出版物。这是发表于以下文章的电子版：Gustavsson, M., Ytterberg, C., Nabsen Marwaa, M., Tham, K., Guidetti, S., (2018), Experiences of using information and communication technology within the first year after stroke – a grounded theory study, Disability and Rehabilitation, 40(5), 561-568. https://doi.org/10.1080/09638288.2016.1264012
2035 年战略计划 - 扎根
奥本大学始终坚定不移地致力于培养一个由学生、教师、员工、校友和合作伙伴组成的敬业而积极的社区。然而，我们正处于发展的关键时刻。我们需要全力以赴，有意识地、积极地追求我们的目标。我们努力通过以学生为中心的卓越教育、变革性研究、有影响力的创意作品和学术研究以及深远的推广和外展活动来体现卓越并提升奥本体验，从而提高生活质量并促进经济增长。实现这些目标需要奥本大家庭的每一位成员都敢于梦想、大胆追求卓越。我们致力于成为繁荣的引擎，背后是非凡的机构奉献精神和催化积极变革的无限潜力。
经验扎根的技术预测和能源...
迅速脱碳的全球能源系统对于解决气候变化至关重要，但对成本的担忧一直是实施的障碍。大多数能源经济模型历史上低估了可再生能源技术的部署率，并高估了其成本1,2,3,4,5,6。这些模型的问题激发了对更好方法的要求7,8,9,10,11,12，而最近的e↵Orts在这个方向上取得了进展13,14,15,16。在这里，我们采用了一种基于概率成本前铸造方法的新方法，该方法在经验测试了50多种技术17,18时进行了可靠的预测。我们使用这些方法来估计未来的能源系统成本，并发现该方法与继续基于化石燃料的系统相比，快速的绿色能源过渡可能会导致总体净储蓄数万亿美元 - 即使不考虑气候损害或气候政策的共同利益。我们表明，如果太阳能光伏，风能，电池和氢电解器继续遵循其当前的十年来呈指数增长的部署趋势，我们在二十五年内实现了接近零的排放能量系统。相比之下，较慢的过渡（涉及部署增长趋势低于当前利率）更昂贵，并且核驱动的过渡要昂贵得多。如果无法控制碳排放的非能源，我们的分析表明，快速的绿色能源过渡可能会产生可观的生态储蓄，同时还满足巴黎1.5度的协议目标。
以使命为基础的 DEI 行动计划：2020-2024 年
德保罗大学重申其承诺，致力于成为一个包容性社区，以多样性作为学习和理解的源泉。作为教职员工和学生，我们共同的责任是支持 DEI 承诺，该承诺植根于我们作为天主教和文森特机构的核心价值观。我们相信，多元化的社区对于让学生做好应对当今复杂世界的准备至关重要，我们致力于招募和留住教职员工，以反映我们学生群体丰富、充满活力的多样性。我们将培育一个包容和热情的社区，让每个成员都有权力充分表达自己，并得到支持以充分发挥他们的潜力。我们共同致力于让所有学生、教职员工更深入地参与大学生活，以提高他们的归属感和他们在德保罗大学的整体体验。”
mm-iglu：多模式互动基础语言理解
摘要本文探讨了人类机器人相互作用（HRI）内的交互式基础语言理解（IGLU）挑战。在此设置中，机器人解释了与其环境相关的用户命令，旨在辨别是否可以执行特定命令。如果面对歧义或不完整的数据，机器人提出了相关的澄清问题。从2022年IGLU竞争中汲取灵感，我们通过在MM-iglu中引入我们的多模式数据和自然语言描述来丰富数据集：多模式互动式的基础语言理解。利用基于BART的模型将用户的语句与环境的描述集成在一起，以及合并视觉和文本数据的尖端多模式大型语言模型，我们为域上正在进行的研究提供了宝贵的资源。此外，我们讨论了此类任务的评估方法，强调了传统的基于弦匹配的评估对此复杂的多模式挑战所施加的潜在局限性。此外，我们根据人类判断提供了评估基准，以解决此类基线模型的限制和能力。此资源在https://github.com/crux82/mm-iglu上的专用GitHub存储库中发布。
扎实的课程学习 - 乔治梅森大学计算机科学系
摘要 — 机器人强化学习 (RL) 的真实世界数据成本高昂，导致了模拟器的广泛使用。尽管人们为构建更好的模拟器动力学模型以匹配现实世界进行了大量工作，但模拟和现实世界之间还有另一个经常被忽视的不匹配，即可用训练任务的分布。现有的课程学习技术进一步加剧了这种不匹配，这些技术会自动改变模拟任务分布，而不考虑其与现实世界的相关性。考虑到这些挑战，我们认为机器人 RL 的课程学习需要以现实世界的任务分布为基础。为此，我们提出了基于课程的学习 (GCL)，它将课程中的模拟任务分布与现实世界相结合，并明确考虑赋予机器人的任务以及机器人过去的表现。我们使用 BARN 数据集在复杂的导航任务上验证了 GCL，与最先进的 CL 方法和人类专家设计的课程相比，成功率分别提高了 6.8% 和 6.5%。这些结果表明，GCL 可以通过在自适应课程中将模拟任务分布与现实世界相结合，从而提高学习效率和导航性能。
单独或单独或与紫杉醇合用的MEK抑制剂selumetinib的三臂随机II期研究
作为提取线性（提取物用途）经济模型的可持续替代方法，全球决策者和商业领袖越来越接受循环经济（CE）。CE是由有意设计的驱动的，旨在通过恢复技术材料和再生生物材料来大大提高资源效率，以使它们保持流通，而不是像线性经济中那样将其发送到垃圾填埋场（Ellen MacArthur Foundation，2015年）。尽管过渡到循环供应链（CSC）是全球业务领导者的一个有影响力的话题（Aronow，Ennis＆Romano，2018年），但2023年的循环差距报告（循环经济，2023年）表明，只有7.2％的全球经济是循环的。这在2018年低于9.1％，在2020年为8.6％，这表明向CE过渡更容易说起来做起来难。
日本刚刚起步的太空计划因持续的挫折而搁浅
（https://www.nature.com/articles/d41586-023-00048-7），据科学杂志《自然》报道。总共有 180 次发射，SpaceX 的 78 次发射使美国位居榜首。中国成功发射了 62 次，几乎是俄罗斯的三倍，而欧洲的发射次数仅为 5 次。新西兰在美国公司 Rocket Lab 的帮助下从其私人太空港成功发射了 9 次，而印度的太空计划在 2022 年大幅扩展，发射了 5 次。