XiaoMi-AI文件搜索系统
World File Search SystemTenenbaum
cicep hoclocus，LLC。，奥尔巴尼大学和...
Hocuslocus，LLC。的总裁Ted Eveleth于2008年开始与Scott Tenenbaum和Suny博士的关系，当时他被要求成为一群人的商业领导，评估了一群人，该团队评估了大学前播种工作室期间奥尔巴尼技术的商业化潜力。最初对2½天的研讨会上的商业潜力持怀疑态度，泰德（Ted）对该技术变得更加热情，并与发明家和现任CNSE教职员工的Scott Tenenbaum博士保持联系。u奥尔巴尼提出了专利申请，并提供了资金，以进一步支持该技术的开发。当时的TED被招募为奥尔巴尼小型企业发展中心居住的第一位技术企业家。以这种身份，他开始向Tenenbaum博士提供一对一的咨询和建议，这最终导致了TED成立Hocuslocus LLC。并将技术许可到公司。Tenenbaum Research博士和TED的Savvy结合在一起，导致Hocuslocus成功地获得了联邦政府的非常有竞争力的STTR资金，Tenenbaum博士获得了2轮SUNY TAF资金，以支持进一步的研究和发展，并导致Hocuslocus从当地的天使投资社区获得了投资。这一切都是为了支持奥尔巴尼大学开发的技术的开发和商业化。如果不是为奥尔巴尼大学与泰德·伊夫莱斯（Ted Eveleth）创建的伙伴关系，这一切都不会实现。
Jacob Andreas
Alexis Ross, 2022–Present (NSF Fellow) Gabe Grand, 2021–Present (with Josh Teennenbaum, NSF Fellow) Pratyusha Sharma, 2021–Present (with Antonio Torarraba) Belinda Li, 2020–Present (claire booth luce and ndseg fallen) ekin akyürek, 2019–Present (Amazon SAMSHUBLE)–Present (With Samdin and Franz Kashoek; on Leave as Ceo of Readyset.io ) Athul Paul Jacob, 2019–Present lio wong, brain and cognitive sciences, mit, 2019–Present (with josh tenenbaum) Evan Hernandez, 2019–2025 ,
coggraph：认知科学与计算机图形之间的建筑桥梁
背景和动机“艺术是一种思想，因此，任何科学的艺术研究都将是心理学。” - 近年来，Max J. Friedlander，计算机图形领域实现了其长期的光真相梦：现代图形算法会产生与现实无法区分的图像。很像摄影的出现，就像艺术一样，计算机图形现在正在将目光转向《情人》：研究人员越来越希望认知科学转向工程师的新型视觉表达方式。Recent work has sought to apply insights from cognitive science to a variety of traditional graphics topics: from taking a perceptual approach to perspective ( Hertzmann , 2023 ), to studying the theory of mind behind animation ( Chandra, Li, Tenenbaum, & Ragan-Kelley , 2023 ), to applying theories of abstraction learning to build tools for geometry processing ( Jones, Guerrero, Mitra, ＆Ritchie，2023）。同时，认知科学的最新作品浪潮已经解决了有关视觉表达的基本问题：例如，人类如何理解和创建草图（Fan，Bainbridge，Chamberlain和Wammes，2023），形状（Dehaene等人（Dehaene等），2022）和符号（Hofer，Kirby和Levy，2023）。该领域还受益于计算机图形的工具和方法：可区分渲染系统（Kulkarni，Kohli，Tenenbaum，＆Mansinghka，2015年），游戏引擎物理模拟器（Battaglia，Hamrick，＆Tenenbaum，＆Tenenbaum，2013）和Monte Carlo Methods（Monte Carlo Methods（Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，Chandra，et an。，2023年）在建模人类的感知和直观物理学方面已经是必不可少的。
利用游戏来理解智力
机器学习研究人员经常关注人类水平的表现，尤其是在游戏中的表现（Mnih 等人，2015 年）。然而，在这些应用中，人类行为通常被简化为性能图上的一个简单点。认知科学，特别是学习和决策理论，可以掌握解开这个点背后秘密的钥匙，从而进一步了解人类认知和智能算法的设计原理（Lake、Ullman、Tenenbaum 和 Gershman，2017 年）。然而，认知实验通常侧重于相对简单的范式。我们相信，现在是认知科学领域研究人员齐聚一堂、讨论和推动使用游戏来研究和理解人类认知的范式的好时机（Opheusden 等人，2021 年；Opheusden 和 Ma，2019 年）。因此，我们的研讨会将由不同的演讲者组成，介绍他们目前对游戏的研究，包括文字游戏（Hartshorne、Tenenbaum 和 Pinker，2018 年）、物理游戏（Allen、Smith 和 Tenenbaum，2020 年）、社交游戏（Wu 等人，2020 年）和复杂的强化学习环境（Kosoy 等人，2020 年；S¸ims¸ek、Algorta 和 Kothiyal，2016 年），以及游戏在他们研究中的潜在未来应用。虽然传统的实验室实验一直是研究认知的主要数据来源，但互联网提供了收集大几倍的数据集的机会（Griffiths，2014 年）。全球有成千上万的玩家玩在线游戏，它们不仅为我们提供了大数据集，还可以让我们深入了解传统上难以在实验室中收集的人类行为 - 例如数百小时的特定任务交互（Stafford & Dewar，2014）。游戏的另一个有趣方面是它们能够更紧密地模拟现实世界。通过使用物理游戏引擎，研究人员可以做出精确、可量化的比较，
CédricColas，PhD -
2022年 - 美国波士顿的inria＆Mit的人工智能上的博士后。标题：帮助我成长：通过人类互动的人工认知发展，并由新的互动，本质上动机的程序合成方法支持。由欧洲玛丽·弗里（Marie-Curie）奖学金进行了三年的计划：在约书亚·坦宁鲍姆（Joshua Tenenbaum）的监督下，在麻省理工学院的计算认知科学实验室工作了两年，在皮埃尔·约维斯·奥维斯·奥德耶（Pierre-Yves Oudeyer）的监督下，在约书亚·坦宁鲍姆（Joshua Tenenbaum）的监督下，在奥特里亚·波尔多（Inria Bordeaux）的鲜花团队中进行了一年的监督。2017-2021博士在人工智能智能中，inria-鲜花实验室，波尔多，fr。标题：迈向Vygotskian Autotelic Agents：具有目标，语言和本质上动机的深入强化学习的学习技能。请参阅下面的出版物列表。在2021年6月30日进行防御。i从法国人工智能协会（AFIA）获得了2022年的最佳博士学位论文奖，其现金奖为1000欧元，并获得了欧洲Corr Bayen计算机科学奖的名誉（2 ND
路径计划的扩散模型
1。J. Ho，A。Jain和P. Abbeel。 剥离扩散概率模型。 2020-12- doi：10.48550/arxiv.2006.11239 2。 A. Nichol和P. Dhariwal。 改进了扩散概率模型。 2021-02-18。 doi：10.48550/arxiv.2102.09672 3。 Jänner，M.，Du，Y.，Tenenbaum，J. B.和Levine，S。（2022）。 计划扩散，以进行柔性链球合成。 Arxiv（康奈尔大学）。 doi：10.48550/arxiv.2205.09991 4。 Carvalho，J。F.，Le，A。T.，Baierl，M.，Koert，D。，＆Peters，J。 （2023）。 运动计划扩散：通过扩散模型对机器人运动的学习和计划。 Arxiv（康奈尔大学）。 doi：10.48550/arxiv.2308.01557 5。 S. M. Lavalle，计划算法，2006年，剑桥出版社6。 Mark Moll，Ioan A. ucan，Lydia E. Kavraki，基准运动计划算法：一种可扩展的分析和可视化基础架构，IEEE Robotics＆Automation Magazine，22（3）：96-102：96-102，2015年9月。J. Ho，A。Jain和P. Abbeel。剥离扩散概率模型。2020-12- doi：10.48550/arxiv.2006.11239 2。A. Nichol和P. Dhariwal。改进了扩散概率模型。2021-02-18。 doi：10.48550/arxiv.2102.09672 3。Jänner，M.，Du，Y.，Tenenbaum，J. B.和Levine，S。（2022）。 计划扩散，以进行柔性链球合成。 Arxiv（康奈尔大学）。 doi：10.48550/arxiv.2205.09991 4。 Carvalho，J。F.，Le，A。T.，Baierl，M.，Koert，D。，＆Peters，J。 （2023）。 运动计划扩散：通过扩散模型对机器人运动的学习和计划。 Arxiv（康奈尔大学）。 doi：10.48550/arxiv.2308.01557 5。 S. M. Lavalle，计划算法，2006年，剑桥出版社6。 Mark Moll，Ioan A. ucan，Lydia E. Kavraki，基准运动计划算法：一种可扩展的分析和可视化基础架构，IEEE Robotics＆Automation Magazine，22（3）：96-102：96-102，2015年9月。Jänner，M.，Du，Y.，Tenenbaum，J.B.和Levine，S。（2022）。计划扩散，以进行柔性链球合成。Arxiv（康奈尔大学）。doi：10.48550/arxiv.2205.09991 4。Carvalho，J。F.，Le，A。T.，Baierl，M.，Koert，D。，＆Peters，J。（2023）。运动计划扩散：通过扩散模型对机器人运动的学习和计划。Arxiv（康奈尔大学）。doi：10.48550/arxiv.2308.01557 5。S. M. Lavalle，计划算法，2006年，剑桥出版社6。Mark Moll，Ioan A. ucan，Lydia E. Kavraki，基准运动计划算法：一种可扩展的分析和可视化基础架构，IEEE Robotics＆Automation Magazine，22（3）：96-102：96-102，2015年9月。
第 13 章 自觉努力和付出
章节概述 在体力活动期间，对努力和用力的感知提供了对工作量的一个主观估计，并在努力调节和耐受性中发挥着重要作用。这种感知取决于一系列复杂的因素，包括来自工作器官、肌肉和关节的传入反馈；对力量、阻力或压力的主观感知；对呼吸困难和兴奋的心理生理感知；动机、决心和任务厌恶等心理成分，以及来自大脑中枢运动指挥系统的输入 (Hutchinson & Tenenbaum, 2019)。努力和用力的主观体验因人而异，并可能受到多种心理因素的影响。心理技能和策略也可用于管理努力和用力的感觉，从而提高运动表现并获得更积极的心理体验。