XiaoMi-AI文件搜索系统
World File Search SystemRoomba
团队90H：机器人真空吸尘器
现在我们决定对机器人真空吸尘器进行逆转，下一个挑战是要获得一个模型。理想情况下，我们希望打开一个室内或类似的真空吸尘器，但我们无法将手放在不起作用的室上。所以，我们必须安顿下一个来自亚马逊的便宜版本。尽管如此，我们还是决定继续前进，因为即使该真空吸尘器没有Roomba的所有强大功能，它仍然可以瞥见任何机器人真空吸尘器的基础功能。
家庭暴力与家庭法中高科技跟踪行为的交集演示
• 智能汽车 • 运动鞋 • 冰箱 • 电视 • 门铃 • 游戏机 • 手表 • 咖啡机 • 手机 • 心脏起搏器 • Fitbit • Roomba 吸尘器
人工智能将如何改变教育格局？
• 20 世纪 50 年代：阿兰·图灵发表了“图灵测试”，对计算机和机器智能进行测试，以确定这种智能是否与人类智能难以区分；“人工智能”一词首次被提出 • 20 世纪 80 年代：“深度学习”技术得到开发，使计算机能够从错误中学习并做出独立决策 • 20 世纪 90 年代：人工智能进入日常生活（Roomba、语音识别软件）；深蓝击败人类国际象棋冠军 • 21 世纪 20 年代：常用人工智能激增：虚拟助手、搜索引擎；深度学习和大数据的出现 • 2020 年：OpenAI 推出 GPT，它使用深度学习创建几乎与人类创建的内容难以区分的内容
简历 - Luis Miguel Garcia Mancebo
• 开发 Web 应用程序（WordPress、PHP 7、MySQL）和移动应用程序（原生 WebViews） • 管理营销活动和 A/B 测试 • 设置基础设施（Proxmox 上的 Ubuntu VM） • 实现房地产列表的 Web 抓取（PhantomJS） • 进行客户和合作伙伴访谈 • 2010 - 2019：在专用的 Proxmox 服务器上创建和维护虚拟机和容器，以服务于客户和内部项目 • 2011：根据客户对开源软件 Xibo（数字标牌）的功能要求进行调整，以便在 Caprabo 超市部署 • 2012：社交初创公司 Voty 的创始人：一款向您的联系人网络发起问题并收集有关它们的答案和评论的应用程序（应用程序使用 Appcelerator Titanium，后端使用 PHP + MySQL） • 2013：创建 5 家作为亚马逊附属机构的电子商务商店，包括使用 Google Analytics 优化导航、在 Google 中创建广告活动AdWords 和 A/B 测试 • 2014 年：将 PL/SQL 的 .NET/Oracle 集成到 Blinker/TNT Express 的 COM 网关 • 2017 年：与 Clarive Software 合作进行物联网研究工作，将软件部署到三星智能手表、Raspberry Pi 并控制 Roomba 吸尘器 • 2018 年：使用 Fitnatura 的 Web 蓝牙 API 将蓝牙心率监测器与 Web 应用程序集成
使用Arduino微控制器的机器人真空吸尘器...
摘要 - 在当前忙碌的时间表中，清洁房屋和周围环境更加艰巨。目前，有一些真空吸尘器需要人类来处理它。手动工作是对机器人技术进行的，许多相关的机器人设备也被广泛使用。这里代表了提出机器人进行地板清洁工作的技术。因此，迫切需要实施无人干预的真空吸尘器。通过该项目实现了一种有效的清洁所需区域的方法。在当今的情况下，人们的工作如此之多，以至于他们常常缺乏正确清洁房屋的能力。解决此问题的解决方案是一个家庭真空吸尘器机器人，例如Irobot Roomba，可以用按钮按下按钮清洁房屋。但是，商业产品通常共有一个常见的问题，即成本。今天，一个团队决定创建一个简单的地板清洁剂机器人。我们将创建的新的Arduino真空清洁剂将具有成本效益和实用性。机器人技术和自动化的进步已经彻底改变了日常生活的各个方面，包括家务。这样的创新是一种机器人真空吸尘器的开发，该清洁剂自动浏览室内空间，检测和清洁灰尘和碎屑。该项目着重于使用Arduino微控制器技术设计和实施机器人真空吸尘器。该项目旨在证明使用随时可用的组件和Arduino编程来建造负担得起的机器人真空吸尘器的可行性。结果包括一个功能原型，能够自主清洁地板，从而有助于家庭自动化技术的发展。Index Terms — Arduino microcontroller, Robotic vacuum cleaner, Home automation, Obstacle detection, Path planning, Autonomous navigation, Sensors, Actuators, Cost-effective solution, Smart home technology, Wireless control, Machine learning, Cleaning efficiency, Microcontroller-based system, Robotics and automation
机器人和人工智能中的电子人格
作家豪尔赫·路易斯·博尔赫斯在他的文章《帕斯卡的领域》中写道，希腊哲学家、巴门尼德的导师色诺芬尼厌倦了荷马史诗中将诸神打扮成人类的诗句。与拟人化特征相反，他向希腊人提出了一个上帝，而这个上帝实际上是一个永恒的领域。历史顺其自然，夸张的人性化神灵被贬为诗意的虚构。拟人化的隐喻并不局限于神话或宗教意象。索菲亚是汉森机器人公司开发的一款具有人工智能 (AI) 的人形机器人，于 2017 年获得沙特阿拉伯公民身份。尽管几位面试官对其回答的复杂性印象深刻，但该机器人遵循一种简单的算法，其大多数陈述都归功于先前准备好的文本（Parviainen 和 Coeckelbergh，2020 年）。就像博尔赫斯的文章一样，机器人也可以被认为是一个球体，没有任何拟人化的资源，与其他隐喻一起。Roomba 是一个扁平的圆形家用机器人。尽管它没有像索菲亚那样的社交技能，但这款机器人吸尘器可以按照简单的算法自行移动，这使得一些人给它起名字、和它说话，当它被卡在沙发下时会感到难过（Darling，2016）。如果说长期以来，机器人和人类应该分开的想法盛行，那么相反的趋势已经得到强调，特别是在过去的十年里：人类可以而且应该与机器人共享同一个环境。作为老年人——甚至是患有自闭症的儿童——的陪护、手术器械、送货员或保安人员，机器人已经开始进入人们的家庭和生活。由于缺乏对这一新兴技术的本体论和法律定义，法律被迫诉诸旧形象、已知的隐喻，这些有助于我们以一定的熟悉度来接近新的和未知的事物。2017 年，欧洲议会提出了一项关于机器人技术的指导方针决议，提议为“智能”机器人产品创建电子人格（欧盟，2017 年）。
AI动力清洁机器人
1圣雄甘地技术学院信息技术系教授2,3,4，圣雄甘地技术学院信息技术系学生摘要商业自动清洁机器人，如今很普遍。 但是，可以在自主和远程控制的同时可以清洁和拖把的机器人非常昂贵。 最近，人们对使用人工智能（AI）和物联网（IoT）（IoT）的兴趣越来越浓厚，以改善日常生活的各个方面。 这样的领域是家庭计算机化，尤其是在清洁任务的领域。 此任务建议开发带有超声传感器的基于智能的清洁机器人，并由IoT平台Nodemcu和AI计算控制。 机器人自动导航室内空间，使用气体传感器检测有害气体，并使用AI和机器学习算法进行清洁。 NodeMCU IoT平台允许用户远程监控空气质量并控制机器人的操作。 气体感应，人工智能，机器学习和物联网功能的结合为室内空气污染管理提供了积极的解决方案，从而带来了更健康，更安全的室内环境。 此外，与ThingsPeak等云平台的集成允许进行远程监视和预测性维护。 在实施和测试该原型后，观察到机器人可以按编程工作，并且配备了家庭商业最先进的清洁机器人的大多数功能。 地板清洁剂多年来都在发展。1圣雄甘地技术学院信息技术系教授2,3,4，圣雄甘地技术学院信息技术系学生摘要商业自动清洁机器人，如今很普遍。但是，可以在自主和远程控制的同时可以清洁和拖把的机器人非常昂贵。最近，人们对使用人工智能（AI）和物联网（IoT）（IoT）的兴趣越来越浓厚，以改善日常生活的各个方面。这样的领域是家庭计算机化，尤其是在清洁任务的领域。此任务建议开发带有超声传感器的基于智能的清洁机器人，并由IoT平台Nodemcu和AI计算控制。机器人自动导航室内空间，使用气体传感器检测有害气体，并使用AI和机器学习算法进行清洁。NodeMCU IoT平台允许用户远程监控空气质量并控制机器人的操作。气体感应，人工智能，机器学习和物联网功能的结合为室内空气污染管理提供了积极的解决方案，从而带来了更健康，更安全的室内环境。此外，与ThingsPeak等云平台的集成允许进行远程监视和预测性维护。在实施和测试该原型后，观察到机器人可以按编程工作，并且配备了家庭商业最先进的清洁机器人的大多数功能。地板清洁剂多年来都在发展。关键字：Nodemcu，自动清洁机器人，空气污染管理1。简介自动层清洁机器人现在在市场上很常见。这些技术设备旨在在没有任何人类干预的情况下运行。此外，这些设备已编程，以便按时并精确地完成任务。这些设备，从真空吸尘器到具有真空和拖把功能的自动层清洁器，还包括导航和控制应用程序。商业产品，例如Roomba Irobot，Samsung Jetbot，Ecovacs Ozmo，Eufy Robovac等。由于成本高昂，许多家庭，尤其是在较低的社会经济阶层中的家庭负担不起。我们的项目旨在通过提出清洁和拖把机器人的工作原型来缩小这一差距，该原型最终可以将其发展为低成本机器人，并具有商业机器人提供的大多数功能。最近已经进行了几项研究以开发这些类型的机器人。研究人员尝试了尖端的微控制器。拟议中的人类制作的基于情报的清洁机器人使用超声波传感器来检测障碍物并在其当前情况下导航。这些传感器提供了有关机器人环境的持续信息，从而使其能够做出明智的清洁决策。使用nodemcu平台，机器人可以连接到
Sandhya Saisubramanian、Shannon C. Roberts 和 Shlomo Zilberstein。2021 年。了解用户对负面态度
[1] Dario Amodei、Chris Olah、Jacob Steinhardt、Paul Christiano、John Schulman 和 Dan Mané。2016 年。《人工智能安全中的具体问题》。CoRR abs/1606.06565 (2016)。[2] Berkeley J. Dietvorst、Joseph P. Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法有错误后会错误地避开它们》。《实验心理学杂志：综合》144, 1 (2015)，114。[3] Berkeley J. Dietvorst、Joseph P. Simmons 和 Cade Massey。2018 年。《克服算法厌恶：如果人们可以（即使稍微）修改算法，他们也会使用不完美的算法》。《管理科学》64, 3 (2018)，1155–1170。 [4] Julie S. Downs、Mandy B. Holbrook、Steve Sheng 和 Lorrie Faith Cranor。2010 年。您的参与者是否在玩弄系统？筛查 Mechanical Turk 工人。在 SIGCHI 计算机系统人为因素会议论文集上。2399–2402。[5] Jodi Forlizzi 和 Carl DiSalvo。2006 年。家庭环境中的服务机器人：对家用 Roomba 吸尘器的研究。在第一届 ACM SIGCHI/SIGART 人机交互会议论文集上。[6] Dylan Hadfield-Menell、Smitha Milli、Pieter Abbeel、Stuart J. Russell 和 Anca Dragan。2017 年。逆向奖励设计。在神经信息处理系统的发展中。[7] Bill Hibbard。2012 年。避免意外的 AI 行为。在国际通用人工智能会议上。Springer，107–116。[8] Lynn M. Hulse、Hui Xie 和 Edwin R. Galea。2018 年。对自动驾驶汽车的看法：与道路使用者的关系、风险、性别和年龄。安全科学 102（2018 年），1–13。[9] Rafal Kocielnik、Saleema Amershi 和 Paul N. Bennett。2019 年。您会接受不完美的人工智能吗？探索调整人工智能系统最终用户期望的设计。在 CHI 计算系统人为因素会议论文集上。[10] Moritz Körber。2018 年。衡量对自动化信任的理论考虑和问卷的开发。在国际人体工程学协会大会上。Springer，13–30。 [11] Victoria Krakovna、Laurent Orseau、Miljan Martic 和 Shane Legg。2019 年。使用逐步相对可达性惩罚副作用。在 AI 安全研讨会 IJCAI 中。[12] Victoria Krakovna、Laurent Orseau、Richard Ngo、Miljan Martic 和 Shane Legg。2020 年。通过考虑未来任务来避免副作用。在第 20 届神经信息处理系统会议论文集上。[13] Miltos Kyriakidis、Riender Happee 和 Joost CF de Winter。2015 年。公众对自动驾驶的看法：对 5000 名受访者的国际问卷调查结果。交通研究 F 部分：交通心理学和行为 32（2015 年），127–140。 [14] Ramya Ramakrishnan、Ece Kamar、Debadeepta Dey、Julie Shah 和 Eric Horvitz。2018 年。《发现强化学习中的盲点》。《第 17 届自主代理和多代理系统国际会议论文集》。[15] Stuart Russell。2017 年。《可证明有益的人工智能》。《指数生命，下一步》（2017 年）。[16] Sandhya Saisubramanian、Ece Kamar 和 Shlomo Zilberstein。2020 年。一种减轻负面影响的多目标方法。在第 29 届国际人工智能联合会议论文集上。[17] Sandhya Saisubramanian 和 Shlomo Zilberstein。2021 年。通过环境塑造减轻负面影响。在第 20 届自主代理和多智能体系统国际会议论文集上。[18] Sandhya Saisubramanian、Shlomo Zilberstein 和 Ece Kamar。2020 年。避免因对人工智能系统知识不完整而产生的负面影响。CoRR abs/2008.12146 (2020)。[19] Rohin Shah、Dmitrii Krasheninnikov、Jordan Alexander、Pieter Abbeel 和 Anca Dragan。 2019. 世界状态中的隐含偏好。第七届国际学习表征会议论文集。[20] Alexander Matt Turner、Dylan Hadfield-Menell 和 Prasad Tadepalli。2020. 通过可实现效用保存实现保守代理。AAAI/ACM 人工智能、伦理与社会会议论文集。[21] Ming Yin、Jennifer Wortman Vaughan 和 Hanna Wallach。2019. 理解准确度对机器学习模型信任的影响。CHI 计算系统人为因素会议论文集。[22] Shun Zhang、Edmund H. Durfee 和 Satinder P. Singh。2018. 分解马尔可夫决策过程中对副作用的 Minimax-Regret 查询以实现安全最优。在第 27 届国际人工智能联合会议论文集上。