XiaoMi-AI文件搜索系统
World File Search SystemHAPTICS
2022 年活动报告 - Irisa
Rainbow 团队的长期愿景是开发下一代基于传感器的机器人，使其能够与人类用户一起在复杂的非结构化环境中导航和/或交互。显然，“一起”一词在不同语境下可能具有非常不同的含义：例如，它可以指单纯的共存（机器人和人类在执行独立任务时共享一些空间）、人类意识（机器人需要了解人类的状态和意图，以便正确调整其行为）或实际合作（机器人和人类执行某些共同任务并需要协调其行为）。有人可能会认为这两个目标在某种程度上存在冲突，因为更高的机器人自主性应该意味着更少（或没有）人为干预。但是，我们相信我们的总体研究方向是有充分理由的，因为：（i）尽管机器人自主性取得了许多进步，但复杂和高级的基于认知的决策仍然遥不可及。在大多数涉及非结构化环境、不确定性和与物理世界的交互的应用中，人类的帮助仍然是必要的，而且很可能在未来几十年内都是如此。另一方面，机器人能够以极快的速度和精度自主执行特定和重复的任务，并能够在危险/偏远的环境中操作，而人类拥有无与伦比的认知能力和世界意识，使他们能够承担复杂而
博士后经历指导(60+)
（联合导师：Siva Shankar S 教授，印度特伦甘纳邦 CSE- AI 系和 MLKG Reddy 工程技术学院副教授；Prasun Chakrabarti 教授，印度拉贾斯坦邦乌代布尔 Sir Padampat Singhania 大学研究与出版局局长兼院长（国际事务））K Gurnadha Gupta 博士：使用数据分析实现基于深度学习的云安全优化技术。J Seetha 博士：使用数据分析和人工智能预测传染病。Vishal Goyal 博士：基于人工智能的大数据分析，用于智慧城市应用中的智能系统。Kamal Sharma 博士：针对基于可再生能源的智能电网的优化深度学习加密数据分析框架。S Sajithra Varun 博士：人工智能在癌症检测和诊断中的作用。S Sreenath Kashyap 博士：基于人工蚁狮优化的随机森林，用于准确检测植物疾病。 J. Somasekar 博士：基于协同过滤的推荐系统的机器学习技术。Muralidhar K 博士：通过智能选择移动云提高 MANET 中移动节点的计算能力。B. Umamaheswararao 博士：在信息物理系统中使用机器学习进行大数据分析。Sivanagireddy Kalli 博士：一种基于优化的机器学习框架，用于使用 CT 和 X 射线图像自动检测 COVID-19。V Daya Sagar Ketaraju 博士：用于检测脑肿瘤的深度学习和医学图像分析方法。Radhika R 博士：使用 RNN 的农作物产量预测模型，用于农业的可持续发展。D. Nagaraju 博士：使用医疗保健数据进行人类活动识别的深度学习模型。T. Sunil Kumar Reddy 博士：用于物联网资源管理的自适应调度算法。R. Raja Kumar 博士：使用深度学习策略研究、调查、风险分析、预测和开发糖尿病视网膜病变的框架。 M Purushotham Reddy 博士：使用深度学习技术进行银屑病皮肤图像分析。联合导师：Pravin Ramdas Kshirsagar 教授，数据科学系主任，Tulsiramji Gaikwad Patil 工程技术学院，印度马哈拉施特拉邦那格浦尔；Prasun Chakrabarti 教授。K Vijayan 博士：一种优化的基于机器学习的路由协议，用于支持物联网的无线传感器网络。（已完成，2024 年 7 月 12 日）Subba Rao Polamuri 博士：探索深度学习和 GAN 模型以利用股票价格预测。Amrit Ghosh 博士：移动 IPv6 调查。Ankit Kumar 博士：通过使用 AR、VR、触觉和 3D 模拟增强学习，彻底改变医学教育。Venkat P. Patil 博士：用于医疗保健应用的基于混合人工智能的技术。 Shrikant V. Sonekar 博士：设计和开发一种使用人工智能在临时无线网络中检测入侵的算法方法。Vaishnaw Gorakhnath Kale 博士：使用人工智能进行癌症分析和诊断。
利用AI和xR技术实现触诊信息的可视化
[1] F. Mantovani 等人：“面向医疗保健专业人员的虚拟现实培训”，CyberPsychology & Behavior，第 6 卷，第 4 期，第 389–395 页，网址：https://doi.org/10.1089/10949310332 2278772，2003 年。[2] S. Barteit 等人：“用于医学教育的增强、混合和基于虚拟现实的头戴式设备：系统评价”，JMIR Serious Games，第 9 卷，第 3 期，网址：https://doi.org/10.2196/29080，2021 年。[3] S. La Padula 等人：“使用新的增强现实模拟软件对隆胸患者满意度进行评估：一项前瞻性研究”，J Clin Med., 第 11 卷，第 12 期，doi:10.3390/jcm11123464，2022 年。[4] A. Berton 等人：“虚拟现实、增强现实、游戏化和远程康复：对骨科患者康复的心理影响”，临床医学杂志，第 9 卷，第 8 期，第 1-13 页，网址：https://doi.org/10.3390/jcm9082567，2020 年。[5] T. Ong 等人：“在新冠疫情期间及之后使用扩展现实增强远程医疗：观点”，JMIR Serious Games，第 9 卷，第 3 期，网址：https://doi.org/10.2196/26520，2021 年。[6] L. Herrador Colmenero 等人：“镜像疗法、运动意象和虚拟反馈对截肢后幻肢痛的有效性：系统评价”，国际假肢和矫形器，第 42 卷，第 3 期，第 288-298 页。网址：https://doi.org/10.1177/0309364617740230，2018 年。[7] M. Osumi 等人：“虚拟现实康复缓解幻肢痛的特征”，《疼痛医学》（美国），第 20 卷，第 5 期，第 1038-1046 页，网址：https://doi.org/10.1093/pm/pny269，2019 年。[8] A. Rothgangel 和 R. Bekrater-Bodmann：“镜像疗法与增强/虚拟现实应用：面向基于机制的定制幻肢痛治疗”，《疼痛管理》，第 9 卷，第 2 期，第 151-159 页，网址： https://doi.org/10.2217/pmt-2018-0066，2019 年。[9] CC Berger 等人：“触觉的恐怖谷”，Science Robotics，第 3 卷，第 17 期，第 2-4 页，网址：https://doi.org/10.1126/scirobotics.aar7010，2018 年。[10] M. D'Alonzo 等人：“视觉和触觉的不同虚拟化水平产生了化身手部体现的恐怖谷”，Scientific Reports，第 9 卷，第 1 期，第 1-11 页，网址：https://doi.org/10.1038/s41598-019-55478-z，2019 年。[11] M. Fleury，等人：“脑机接口和神经反馈中触觉反馈使用情况调查”，Frontiers in Neuroscience，14（6 月），第 1-16 页。网址：https://doi.org/10.3389/fnins.2020.00528，2020 年。[12] J. Tompson 等人：“使用卷积网络实时连续恢复人手姿势”，ACM Transactions on Graphics (ToG)，第 33 卷，第 5 期，第 1-10 页，2014 年。[13] C. Qian 等人：“实时且稳健的深度手部跟踪”，IEEE 计算机视觉与模式识别会议论文集，DOI：10.1109/CVPR.2014.145，2014 年。
增强研究的结果
摘要 认知网络或认知的概念框架代表了一种工作记忆系统，尤其是长期记忆阵列，其本质上旨在实现某些行为目的并由神经结构激活。尽管认知可用于大量系统，但当前的技术允许操纵中枢神经系统 (CNS) 来执行某些感觉和运动功能。皮肤的感觉和触觉是人类生存的先天机制，代表了我们通过触觉（大脑高级中枢主动触摸物体进行识别和感知）理解信息的自适应体感能力。体感由一组对各种刺激（热、触觉和机械）敏感的通道和受体识别，对生存、平衡控制、认知和疼痛调节至关重要。认知是一种尖端工具和模式，可提供理论资产、基于证据的实验方案、计算智能方案和直接经验模式的全景，有助于理解人类大脑的复杂功能。通过评估体感刺激后通过脑电图 (EEG) 收集的神经影像数据，可以获得认知反应和变化，从而使研究人员能够更好地了解旨在理解人类行为结果的新兴科学方法。触觉振动触觉触发技术 (VTT) 是一种新兴技术，它将体感模式融入压缩袖套中。eSmartr 智能压缩袖套（Srysty Holdings Inc.，加拿大安大略省密西沙加）采用 VTT 及其认知增强技术 (CBT) 模式，旨在优化神经通信，以改善身心健康。该技术还被融入到贴片、支架、服装（袜子）、腕带和其他递送途径中。正念健康被认为是体感干预的结果，它调节与认知网络相关的行为反应。目前，探索这些模式的研究有限，这表明需要研究新技术及其对体感通路和认知网络的影响。这项经 IRB 批准的研究旨在通过比较基线脑电图与在成年健康个体的右前臂或左前臂上放置包含 VTT 的袖子后的脑电图来探索前臂 VTT 刺激模式对认知网络的影响。材料和方法：对 20 名年龄从 17.6 岁到 41.9 岁不等（n=7 名女性，13 名男性）的 19 个头皮位置记录了 5 分钟内的基线脑电图。然后让受试者的优势手臂戴上 eSmartr 智能压缩袖 20 分钟，并再记录 5 分钟的脑电图。计算了 LORETA（低分辨率电磁断层扫描分析）逆解和表面 EEG 的功率谱分析。此外，对于 10 个不同的网络，计算了来自 88 个 Brodmann 区域的电流源。变量是 10 个频带（delta、theta、alpha-1、alpha-2、beta-1、beta-2、beta-3 和 hi-beta）中以 1 Hz 为增量的绝对功率和绝对电流密度。对每个人的所有 EEG 参数进行配对 t 检验，以及基线 EEG 和后续 EEG 之间的组配对 t 检验。结果：结果显示，在基线测量和后续“戴上袖子”测量之间，表面 EEG 和 LORETA 电流源均存在统计学上显着的 t 检验差异（P <0.01）。最大的差异是，在佩戴“袖套”的情况下，表面脑电图和 LORETA 电流源的 alpha 和 beta 频率功率均显著下调，如下图所示
尼古拉斯·贾奇
我们通过所有感官感知世界。原因有很多，对吧？部分原因是视觉界面性价比最高。视觉界面很容易实现，人们已经习惯了视觉，视觉界面也是多年来不断发展的。另外部分原因是惯性，人们会固守过去行之有效的方法，这是一种基本的人性。如果目前所做的事情已经行之有效，人们就会拒绝尝试新事物。这让我想到了我的最后一个立场，即立场 5，它认为“行之有效”已经不再适用。我们的可视化需要采用新的生物启发方法来传达信息，基于大脑如何使用多感官输入和输出，我们已经讨论过的事情，这也是经常被讨论的事情，很多人都会这么说，而且有很多已知的好处。我们已经讨论过一些，还有很多其他的，但现实是，在已经完成的工作和这些可视化技术如何发展方面几乎没有任何实际进展。当我写这篇文章时，这让我想起了我的祖母。当我含糊其辞或不做某事时，祖母会告诉我，“尼基！做你自己的事，否则就滚蛋吧！”我想她不会喜欢我代表她的声音。不管怎样，这是一个很好的观点。我正在听，奶奶。这就是我试图发表这种演讲并传播信息的原因。可视化领域有一些非常有前途的工具，它们正在做我所说的事情，特别是增强现实和虚拟现实。这里有很多变体。你可以用很多不同的方式来做到这一点。该技术可以使用显示器、头戴式显示器、洞穴，还可以使用 AR 眼镜，但该技术在可视化方面的总体优势在于它们基于 3D 模拟，具有高度沉浸感，允许 3D（三维用户移动和交互），并且支持建模和模拟任何类型的多维数据。这真的是一件大事，我对这项技术特别兴奋，因为它终于从纯视觉界面转向使用多模态信息，这很重要，因为从历史上看，虚拟现实是视觉现实和视觉模拟的同义词。如果你身处 VR 世界，你得到的就是视觉的东西，但现在这种情况正在改变，例如，我们的 VR 系统开始使用空间化音频，因此你可以在 3D 空间中听到来自周围的声音，它们使用触摸和触觉，它们使用温度或虚拟温度变化。他们甚至在模拟中使用味觉和嗅觉，所以这很重要，很有益处。这意味着，通过使用这些提示，你不仅可以增加 VR 的包容性，让那些看不见或无法使用它的人也能使用它，而且你还可以大大提高真实感和对每个人的影响，因为我们现在终于可以模拟大脑如何在这些多模式界面中接收和处理信息。最重要的是，VR 和 AR 都已在许多不同领域用于一些非常出色的可视化，我认为，人们越来越关注超越视觉界面，这对未来的可视化来说非常有希望。我认为这是特别重要的事情。好的，我将通过快速讨论我实验室中基于多模式、生物启发可视化的一项研究来结束，我想谈论很多项目，但我有时间只谈一个，我做这个是因为我认为它特别重要。因此，目前，仅在美国就有超过 1200 万人患有某种形式的未矫正视力丧失，而全世界这一数字则激增至 2.8 亿人，因此我们谈论的不是一个很小的群体，而是——其中大多数人在获取视觉图形方面存在很大困难，因为目前没有简单的方法可以非视觉地制作或传达图形内容。所以我们的目标是说，“好吧，我们如何才能开发新的多模式可视化”技术，基于“我们正在讨论的很多东西，可以用于所有类型的 STEM 领域？”因此，我们的解决方案使用智能设备的触摸屏，因此手机和平板电脑可以而全球有 2.8 亿人，所以我们说的不是一个很小的群体，而是——大多数人很难理解视觉图形，因为目前没有简单的方法可以非视觉地制作或传达图形内容。所以我们的目标是说，“好吧，我们如何才能开发新的多模式可视化”技术，基于“我们正在讨论的很多东西，可以用于所有类型的 STEM 领域？”所以我们的解决方案使用智能设备的触摸屏，因此手机和平板电脑而全球有 2.8 亿人，所以我们说的不是一个很小的群体，而是——大多数人很难理解视觉图形，因为目前没有简单的方法可以非视觉地制作或传达图形内容。所以我们的目标是说，“好吧，我们如何才能开发新的多模式可视化”技术，基于“我们正在讨论的很多东西，可以用于所有类型的 STEM 领域？”所以我们的解决方案使用智能设备的触摸屏，因此手机和平板电脑