XiaoMi-AI文件搜索系统
World File Search SystemSphinx
宾夕法尼亚大学乐队在 125 岁时仍在“努力奋斗”
斯拉维特首先因拯救《平价医疗法案》网站 HealthCare.gov 而受到公众的广泛关注，此前该网站发布时表现糟糕。后来，他在奥巴马政府任职，领导联邦医疗保险和医疗补助中心，倡导和投资创新医疗方法。2020 年疫情爆发时，在儿子扎克（现为宾夕法尼亚大学三年级学生）的建议下，他开始了自己的播客《与安迪·斯拉维特一起在泡泡里》（In the Bubble with Andy Slavitt），结果这不仅仅是一种封锁期间的消遣。尽管医疗保健仍然是主要焦点，但对话范围已扩大到其他政治和社会问题。朱莉娅还在“艺术”栏目报道了宾夕法尼亚大学博物馆新东地中海画廊 11 月的开幕，该画廊专注于该地区古代文化之间的互动，是正在进行的重大改造项目的最新里程碑。早期阶段包括博物馆著名的狮身人面像的搬迁和哈里森礼堂的翻新——巧合的是，哈里森礼堂是今年校友功绩奖颁奖晚会的举办地，该颁奖晚会于 2020 年取消，并于 2021 年以线上形式举行，现已恢复为现场颁奖。班级和个人奖项引文，以及我们足球比赛和庆祝活动的照片库，可在“2022 年返校节”中找到。祝贺所有获奖者！
![arxiv：2502.10218V1 [CS.RO] 2025年2月14日](/simg/g:\will\search\icon\source\b\b0a60d6204e5bce28e8ffb431300febf4de84729.webp)
arxiv：2502.10218V1 [CS.RO] 2025年2月14日
摘要。仿真框架在机器人应用的安全性中起着关键作用。然而，最好在不同的环境/模拟器中最好模拟设想的机器人系统的不同组件。这在将整个项目模拟成单个集成的机器人框架中构成了重大挑战。具体来说，对于部分开放或闭合源模拟器，通常会出现两个核心限制。i）场景中的参与者除指定机器人以外的其他界面无法控制诸如ROS和ii）的界面（例如）实时状态信息（例如姿势，速度等）场景中的对象都可以防止。在这项工作中，我们解决了这些局限性，并描述了我们的解决方案，用于集成由强大的模拟器sphinx（由Parrot无人机提供）模拟的空中无人机中的用例中。我们通过将无人机的镜像实例实现，该实例包含在现有的基于凉亭的环境中。我们集成的仿真环境的有希望的应用是目标跟踪的任务，这在空中多机器人方案中很常见。因此，为了证明我们的集成仿真的有效性，我们还提出了模型预测控制器（MPC），该模型胜过鹦鹉在各种动态跟踪方案中提供的默认基于PID的控制器框架，从而增强了整个系统的实用性。源代码发表在https://github.com/robot-poception-group/anafi_sim上。我们通过在现有的基于凉亭的仿真中包括ANAFI无人机来测试解决方案，并通过在模拟和真实世界跟踪实验中对定制PID控制器基线进行严格测试来评估MPC的性能。
不同噪音水平和照明水平对 Aerobots 多模态语音和视觉手势交互的影响
摘要：本文研究了不同噪声水平和不同照明水平对飞行机器人语音和手势控制命令界面的影响。目的是通过研究各个组件的局限性和使用可行性来确定语音和视觉手势多模态组合在人类有氧机器人交互中的实际适用性。为了确定这一点，分别使用 CMU（卡内基梅隆大学）sphinx 和 OpenCV（开源计算机视觉）库开发了一个自定义多模态语音和视觉手势界面。设计了一项实验研究来测量语音和手势两个主要组成部分各自的影响，并招募了 37 名参与者参与实验。环境噪声水平从 55 dB 到 85 dB 不等。环境照明水平从 10 勒克斯到 1400 勒克斯不等，在不同的照明色温混合下，黄色（3500 K）和白色（5500 K），以及用于捕捉手指手势的不同背景。实验结果包括大约 3108 个语音话语和 999 个手势质量观察，并进行了介绍和讨论。观察到语音识别准确率/成功率随着噪声水平的上升而下降，75 dB 噪声水平是航空机器人的实际应用极限，因为语音控制交互由于识别率低而变得非常不可靠。结论是，多词语音命令被认为比单词语音命令更可靠和有效。此外，由于其清晰度，一些语音命令词（例如，land）在较高噪声水平下比其他命令词（例如，hover）更耐噪。从手势照明实验的结果来看，照明条件和环境背景对手势识别质量的影响几乎微不足道，不到 0.5%。这意味着其他因素，例如手势捕获系统设计和技术（相机和计算机硬件）、捕获的手势类型（上身、全身、手、手指或面部手势）以及图像处理技术（手势分类算法），在开发成功的手势识别系统中更为重要。根据从这些发现得出的结论，提出了一些进一步的研究，包括使用替代的 ASR（自动语音识别）语音模型和开发更强大的手势识别算法。