XiaoMi-AI文件搜索系统
World File Search SystemUnk
功能性MRI
Complementary use for clinical diagnosis -utilization of clinical research results -prediction of pathology Clinical treatment and assessment -drug, therapy, rehabilitation, biofeedback -epileptic foci mapping -drug effects Non clinical uses -complementary use with behavioral, anatomical, other modality results -lie detection -prediction of behavior tendencies -brain/computer interface
探索未知的未知：通过参与语言模型代理对话促进人类学习
虽然基于语言模型 (LM) 的聊天机器人和生成搜索引擎擅长回答具体查询，但在未知的未知领域中发现信息对用户来说仍然具有挑战性。为了模拟常见的教育场景，即儿童/学生通过聆听和参与与父母/老师的对话来学习，我们创建了协作 STORM (Co-STORM)。1 与要求用户提出所有问题的问答系统不同，Co-STORM 允许用户观察并偶尔引导多个 LM 代理之间的对话。代理代表用户提问，让用户偶然发现未知的未知事物。为了促进用户交互，Co-STORM 通过将未发现的信息组织成动态思维导图来帮助用户追踪对话，最终生成一份综合报告作为总结。对于自动评估，我们通过收集具有用户目标的真实信息搜索记录来构建 WildSeek 数据集。 Co-STORM 在话语追踪和报告质量方面均优于基线方法。在进一步的人工评估 2 中，70% 的参与者更喜欢 Co-STORM 而不是搜索引擎，78% 的参与者更喜欢它而不是 RAG（检索增强生成）聊天机器人。
基于ROS2的AMR系统用于在未知室内环境中映射和导航
自主系统和自动化技术的快速发展继续彻底改变工业流程，与行业4.0的目标保持一致。本文提出了一个增强的自主移动机器人（AMR）系统，该系统旨在用于高级室内导航和勘探，这是基于CIM4.0 FixIT项目建立的基础工作的基础。这项研究的主要目的是利用ROS2的最新功能（机器人操作系统2）开发和实施强大的SLAM（同时本地化和映射）算法。这项研究的重点是使用ROS2框架中NAV2库的不同SLAM方法的全面比较。此分析涵盖了NAV2中可用的各种算法，包括基于网格的和拓扑映射方法，以及不同的定位技术，例如AMCL（自适应蒙特卡洛本地化）和EKF（扩展的Kalman滤波器）。比较根据映射准确性，计算效率和对动态环境的适应性评估这些方法。基于此分析，开发了先进的SLAM方法，从而整合了比较方法中最有效的元素。此自定义解决方案利用NAV2的模块化体系结构和ROS2改进的分布式计算功能，从而可以有效地进行路径计划和映射优化。使用ROS2实现整个系统，利用其增强的工具进行仿真，可视化和现实部署。严格的测试是在各种模拟环境中使用RVIZ和GAZEBO的更新版本进行的，这些版本现在与中间件更加紧密地集成在一起。这些模拟证明了机器人在主动探索，避免障碍和有效映射方面的提高功能，展示了这种方法的好处。最后，在CIM 4.0的经过精心控制的实验室环境中，进行了实际实验以评估创建的AMR系统的鲁棒性和性能。结果表明，AMR可以独立于各种情况，包括未知区域和动态障碍。
使用3D高斯弹奏
摘要 - 可推广的感知是太空机器人技术中高级自治的支柱之一。估计动态环境中未知对象的结构和运动对于此类自主系统至关重要。传统上，解决方案依赖于目标对象的先验知识，多个不同的表示或不适合机器人操作的低保真输出。这项工作提出了一种新颖的方法，可以使用统一表示形式来逐步重建和跟踪动态未知对象 - 一组3D高斯斑点，描述了其几何形状和外观。可区分的3DGS框架适合以动态对象设置。管道的输入是一组顺序的RGB-D图像。3D重建和6-DOF姿势跟踪任务是使用基于一阶梯度的优化来解决的。该公式很简单，不需要预训练，不假定对对象或其运动的先验知识，并且适合在线应用程序。在任意相对运动下的10个未知航天器的数据集中验证了所提出的方法。实验表明，在短期到中持续时间内，目标对象的成功3D重建和准确的6-DOF跟踪。讨论了跟踪漂移的原因，并概述了潜在的解决方案。
为具有未知动态的系统提供安全保证
摘要 - 随着自主系统在我们的社会中变得越来越综合和积分，需要准确建模并安全地控制这些系统的需求已大大增加。在过去的十年中，使用深度学习技术来建模和控制系统很难使用第一原理建模。但是，为此类系统提供安全保证仍然很困难，部分原因是学习模型的不确定性。在这项工作中，我们旨在为不容易从第一原则衍生而来的系统提供安全保证，因此，使用深度学习技巧更加有助于学习。鉴于感兴趣的系统和安全限制系统，我们从数据中学习了系统动态的集合模型。利用集合不确定性作为学习动力学模型中不确定性的量度，我们计算了最大的鲁棒控制不变式集合，从该集合开始，该系统从该集合开始，从而确保系统满足实现模型不确定性的条件下的安全性约束，这些模型不确定性包含在预定的可允许模型集合中。我们证明了使用倒置的模拟案例研究的方法的有效性，并与Turtlebot进行了硬件实验。实验表明，我们的方法可鲁棒化系统对模型不确定性的控制作用，并在不过分限制的情况下产生安全行为。可以在项目网站1上找到代码和随附的视频。
二战时期美国海军游击队在中国不为人知的故事
大多数人会惊讶于美国在二战期间在中国组建了一支军队；1944 年诺曼底登陆法国北部和太平洋岛屿战争使这种关系黯然失色。1941 年 12 月 7 日日本袭击珍珠港后，日军获得了作战动力，而美军则努力在远东战区站稳脚跟。正是在这个时候，美国海军发现了一个军事信息缺口，这可能会严重影响即将到来的行动——缺乏气象站。预报天气对军事规划至关重要。日军知道如何利用天气预报来掩饰他们的行动，因为大多数气象编队都是从西向东穿越中国、日本，然后穿越太平洋。美国海军认为有必要通过在中国建立气象站来跟踪日本之前的每日和每周预报，因此派遣米尔顿·E·迈尔斯上尉执行一项任务，最终扰乱了日军的行动，
提供针对已知和未知的保护（Zeroday ...
没有金融组织没有漏洞，这些漏洞使肇事者能够发起勒索软件攻击，安装病毒，恶意软件或特洛伊木马，可以渗透自我服务环境。这些类型的高级持续攻击的频率正在上升。攻击者不只是尝试本地攻击方法；他们现在试图通过渗透金融机构的后台系统来远程远程访问未经授权的访问。这种集中攻击不能使用传统的白名单，反病毒或启发式安全解决方案停止。Vynamic Security Intrusion Protection遵循现代安全方法，实施最少的特权限制程序，而不仅仅是白名单。与严格的，现成的模块化政策一起，入侵保护可以有效地阻止这些现代而不断发展的威胁，并提供强大的安全障碍。
语义信念行为图：在未知环境中启用自主机器人检查
摘要 - 本文解决了在复杂且未知环境中自动机器人检查的问题。即使面对感知不确定性和对环境的先验知识，这种能力对于各种现实世界中的有效和精确检查至关重要。现有的实际自主检查方法典型地依赖于预定义的目标和路点，并且通常无法适应动态或未知设置。在本文中，我们介绍了语义信念行为图（SB2G）框架，作为一种新的语义意识自主机器人检查的方法。sb2g使用行为节点为机器人生成控制策略，该行为节点封装了设计用于检查不同类别对象的各种基于语义的策略。我们设计了一种主动的语义搜索行为，以指导机器人定位对象进行检查，同时降低语义信息不确定性。SB2G中的边缘编码这些行为之间的过渡。我们使用腿部机器人平台通过模拟和现实世界的城市检查来验证我们的方法。我们的结果表明，SB2G实现了更有效的检查政策，表现出与人类经营的检查相当的性能。
攻克淋巴瘤的未知领域
4 月 15 日星期一，淋巴瘤研究基金会的捐赠者和支持者在佛罗里达州迈阿密海滩的 La Gorce 乡村俱乐部开球，参加首届 2024 年南佛罗里达高尔夫邀请赛。高尔夫球手们在由高尔夫巨星杰克·尼克劳斯设计的美国最独特的私人高尔夫俱乐部之一测试他们的技能，以治疗血癌。活动筹集了超过 33 万美元以支持基金会的使命，上午的高尔夫锦标赛结束后还举行了鸡尾酒会和颁奖招待会。活动由基金会董事会秘书 Leigh Olson 和基金会科学顾问委员会成员 John Leonard 博士主持。基金会大使 Chris Gorelik 也在活动上致辞。
人工智能与医务人员：好的、坏的和未知的
• 通过讨论和案例研究，参与者将确定在医疗实践中有效且合乎道德地利用人工智能技术的最佳准备策略。主题将包括劳动力培训、基础设施投资、法规遵从性以及培养医务人员的创新和协作文化。