XiaoMi-AI文件搜索系统
World File Search SystemManip
区分克罗恩病的新诊断策略...
背景：脂肪嫁接是重建武术中的高度用途，但具有不可预测的保留率和结果。与单独使用离心料的未经处理的脂肪酸或脂肪移植相比，该系统综述的主要概述是评估次级机械加工的脂肪酸是否有利地增强了脂肪移植物的血管生成潜力。次要结果是在比较上述组时评估围绕移植物的证据并改善结果。方法：在2022年2月之前，对MEDLINE，EMBASE和COCHRANE CENTRAL登记册进行了搜索。包括所有人类和动物研究，其中包括未加工，离心，次级机械碎片（SMF）或次级机械破坏（SMD）脂肪移植物之间的交叉比较。结果：包括31个全文。血管生成潜力。通过荧光激活的细胞分析（FACS）分析来定量间充质干细胞，血管血管干细胞和内皮祖细胞的细胞组成。脂肪移植的量保留率和有助于伤口愈合的脂肪移植率。尽管在某些研究的来源中，具有行业资助的研究的存在和方法学数据的报告不足，但数据显示，SMF移植物包含富集的周细胞种群，其血管腔内皮生长因子（VEGF）分泌增加。需要进一步的临床研究来评估人类研究中的潜在差异。动物研究表明，与离心移植物相比，SMD移植物可能会增加脂肪移植的率和伤口闭合率。但是，临床研究尚未显示出相似的结果。结论：在这项系统的综述中，我们能够得出结论，现有文献表明机械处理脂肪，无论是通过碎片或破坏，通过增强血管生长生长因子和相关的血管祖细胞水平来提高血管生成潜力。虽然体内动物研究稀缺，但综述的发现表明，次级机械脂肪会增强脂肪移植的保留率，并可以帮助伤口愈合。
Blothppo：一种近端政策优化增强机器人布操作的框架，并通过观察对齐的动作空间
基于视觉的机器人布的展开最近取得了巨大进步。但是，先前的工作主要依靠价值学习，并且没有完全探索基于政策的技术。最近，在大型语言模型上进行增强学习的成功表明，该政策级别算法可以通过庞大的空间来增强政策。在本文中，我们介绍了Bloth-PPO，该框架采用了基于演员批判性建筑的策略级别算法，以增强具有巨大的10 6个附加空间的预训练模型，该模型与观察到的任务相符。为此，我们将布置问题重新定义为部分观察到的马尔可夫决策过程。使用监督的培训阶段来培训我们政策的基准模型。在第二阶段，近端政策优化（PPO）用于指导观测一致的附属空间内的套头文模型。通过优化和更新策略，我们提出的方法增加了服装的表面积，以在软体操纵任务下展开的布料。实验结果表明，我们提出的框架可以进一步改善其他最先进方法的展开性能。我们的项目可从https：// vpx- ecnu.github.io/clothppo-website/获得。
味觉控制作为吞咽困难管理策略
作为一种吞咽困难管理策略，有意对口咽部进行感官刺激正受到越来越多的关注（Mulheren 等人，2022 年；Peña-Chávez 等人，2023 年；Regan，2020 年）。有意提供显著和增强的感官刺激来对抗吞咽困难的理论源于对吞咽神经生理学的理解。吞咽是一种复杂的、中枢模式发生器 (CPG) 介导的感觉运动行为（Jean，2001 年）。通常，CPG 是专用的神经回路，可产生模式化的运动动作序列并受感官输入的调节（Barlow 和 Estep，2006 年）。人类吞咽 CPG 位于延髓，包括感觉核（孤束核 [NTS]）和运动核（疑核 [NA]），它们与参与吞咽的脑神经核（如舌咽神经和迷走神经）紧密相连（Jean and Dallaporta，2006）。吞咽神经网络超出了脑干的 CPG，因为神经影像学研究报告称，许多皮质、皮质下和小脑结构在吞咽任务期间也处于活跃状态（Malandraki 等人，2009 年；Suzuki 等人，2003 年）。一次吞咽丸可以提供多种感觉输入模式，包括但不限于体感/压力、热、味觉、化学感觉、嗅觉、听觉和视觉刺激；目前尚不清楚吞咽神经网络如何优先考虑这些模式，但对其中任何一种模式的改变都可能改变吞咽机制 (Dietsch 等人，2017；Steele 和 Miller，2010)。刺激吞咽突出神经通路的感觉体验可能会对吞咽输出产生有利的前馈效应，例如更强或更及时的吞咽反应 (Ding 等人，2003)。
manigussian：用于多任务机器人操纵材料的动态高斯碎片，在此补充材料中，我们提供additio
rlbench数据集。在本节中，我们提供了RL-Bench [4]数据集和我们的培训管道的简洁概述。表1是我们在实验中使用的10个选定任务的概述。我们的任务变化包括随机采样的颜色，大小，计数，位置和对象类别。我们有20种阴影的调色板，包括红色，栗色，绿色，蓝色，海军，黄色，青色，洋红色，银，灰色，橙色，橙色，橄榄，紫色，紫色，蓝绿色，蓝色，紫色，紫罗兰，玫瑰，黑色和白色。对象的大小分为两种类型：短和高。对象的数量可以为1、2或3。其他属性因特定任务而异。此外，对象在一定范围内随机排列在桌面上，增加了任务的多样性。在消融研究中，我们根据[3]的任务分类从表1的RLBench任务分组为6个类别，并根据其主要挑战。任务组包括：
manigussian：多任务机器人操纵的动态高斯碎片
摘要。在非结构化环境中执行语言条件的机器人操纵任务对于一般的智能机器人高度要求。常规的机器人操纵方法通常会学习对动作预测观察的单一表示，这忽略了人类目标组成的场景级时空动力学。在本文中，我们提出了一种动态的高斯分裂方法，名为Manigaussian多任务机器人操纵，该方法通过未来场景重建进行了场景动态。具体而言，我们首先要介绍动态的高斯脱落框架，该框架渗透了高斯嵌入空间中的半义传播，其中利用语义表示来预测最佳的机器人动作。然后，我们构建了一个高斯世界模型，以参数化我们动态的高斯脱落框架中的分布，该框架通过未来的场景重建在交互式环境中提供了信息性的范围。我们通过166个变体评估了10个RLBench任务的Manigussian，结果表明我们的框架可以比最先进的方法胜过13。平均成功率1％。
基于二次编程的参考传播控制，用于双臂机器人操作，并计划同时影响
摘要 - 以进一步实现机器人操作中有意影响的目的，呈现了一个控制框架，呈现了directlytacklestheChalgesthAllengesposedbybytracking-tracking-tracking-trol tracking-troct-trol trol tracking-trol torl of机器人操纵剂，这些操作机构被任命执行同时同时产生影响。该框架是参考扩展（RS）控制框架的扩展，其中定义了与影响动态一致的反对和后影响引用。在这项工作中，从基于远距离的方法开始构建了这样的参考。通过在二次编程控制方法范围内使用相应的撞击和后影响控制模式，在保持高跟踪性能的同时，避免了速度误差的峰值和由于影响引起的控制输入。包含新型的临时模式，我们还旨在避免在环境中的不确定性导致一系列计划外的单个影响发生时发生的输入峰和步骤，而不是计划的同时影响。这项工作尤其是在第一次对机器人设置的RS控制的实验评估，与三种基线控制方法相比，它对环境中的不确定性进行了鲁棒性。
umi腿上：以以操纵为中心的全身控制器使操纵策略移动
摘要：我们介绍了Umi-On-Legs，这是一个新框架，结合了四倍的操纵系统的真实世界和仿真数据。我们使用手持抓手（UMI）在现实世界中以任务为中心的数据收集，这提供了一种廉价的方式来展示与任务相关的操纵技巧，而无需机器人。同时，我们通过训练与任务仿真设置的任务跟踪训练全身控制器在模拟中缩放以机器人为中心的数据。这两个策略之间的接口是任务框架中的最终效应器传播，由操作策略推断，并传递给整体控制器进行跟踪。我们评估了对智力，非划算和动态操纵任务的UMI-ON-LEGS，并在所有任务上报告超过70％的成功率。最后，我们证明了先前工作中预先训练的操作策略检查站的零射击横界部署，该检查点最初是针对我们的四足动物系统在我们的四足动物系统上的。我们认为，该框架为学习动态机器人实施方案学习表达性操纵技能提供了可扩展的途径。请查看我们的网站，以获取机器人视频，代码和数据：https：//umi-on-legs.github.io/
有效载荷意识到的轨迹优化针对非独立移动多机器人操纵，并带有提示避免
摘要 - 合作移动操作是机器人技术中越来越重要的主题：就像人类需要在许多任务上进行协作一样，机器人需要能够一起工作，例如，在非结构化环境中运输重型或笨拙的物体。但是，移动多机器人系统提出了独特的挑战，例如运动计划的更大配置空间，稳定性问题，尤其是对于轮式移动机器人，非全面约束。为了应对这些挑战，我们提出了一个基于用于轮式移动操作的直接转录公式的多机器人双级优化系统。我们的配方使用静态力，计算出较低级别的稳定性目标，以告知较高级别的车轮轨迹计划。这允许有效的计划，同时确保安全执行并改善实际机器人的开环绩效。我们证明了我们的模型能够解决具有挑战性的运动规划任务，并评估其在ClearPath Husky Mobile平台上改进的现实世界的能力。最后，我们将系统与先前呈现的混合真实接口集成在一起。索引术语 - 多种移动机器人或代理商的多数机器人系统，合作机器人，机器人技术和施工中的自动化的路径规划，车轮机器人
