XiaoMi-AI文件搜索系统
World File Search SystemVisuomotor
生成图像作为动作模型
摘要：图像生成扩散模型已经过微调，以解锁新功能，例如图像编辑和新型视图合成。我们可以类似地解锁视力控制的图像生成模型吗？我们提出了G Enima，这是一种行为粘合剂，将稳定扩散到“绘制关节运动”作为RGB图像的目标。这些图像被馈入一个控制器，将视觉目标映射到一系列关节位。我们在25个rlbench和9个现实的操纵任务上研究G尼马。我们发现，通过将动作提升到图像空间中，Internet预训练的扩散模型可以生成优于状态的视觉运动方法的策略，尤其是在对场景扰动的鲁棒性和对新颖对象的推广方面。尽管缺乏深度，关键点或运动规划剂等先验，我们的方法也与3D代理具有竞争力。
基于图像的视觉伺服伺服在空间空间内进行自动机器人操作
太空机器人技术使人类能够扩大其空间外观功能。机器人臂对于科学数据收集，在其他行星上处理样品以及轨道上的维修操作至关重要，例如加油，维护，装配和清除碎屑。现有的空间操纵系统通常依赖于远程运行，由于沟通延迟和对熟练运营商的需求而构成挑战[1]。启用自主机器人操作的关键要素是Visuomotor技能的开发，它使机器人可以在执行ma-nipulation任务时识别和跟踪对象以及在复杂而动态的环境中导航。机器人可以通过使用视觉伺服（VS）策略来获得基于视觉观察的动作来获得视觉运动技能[2]。这项工作比较了用于自动空间机器人操作的四个基于图像的VS（IBV）技术，评估了复杂的旋转转换场景中不同的深度估计方法，传感器方式，特征和控制定律。此外，我们通过组装方案评估空间维修，组装和制造（ISAM）功能。
调节器理论在神经科学中的应用及其对机器人技术的影响
◮ 视觉运动适应、在力场中伸展手臂、在雪地中行走、站在颠簸的地铁列车上、举起重物、在水中视觉扭曲的情况下伸展手臂、对移动目标进行扫视、眼睛平稳地跟踪移动目标、将眼睛保持在偏心位置、肢体之间的相互作用力等行为都是干扰拒绝的表现。
在实验室外移动：在线进行感觉运动学习研究的生存能力
图1。响应视觉运动旋转的感觉运动学习。（a）视觉运动旋转任务的示意图。光标反馈（红点）相对于手的运动方向旋转，旋转的大小在各组（15°，30°，60°或90°）之间变化。半透明和纯色在学习的早期和晚期分别显示手和光标位置。（b，d）从Bond and Taylor（2015）和在线实验的实验实验中的15°（绿色），30°（黄色），60°（紫色）和90°（粉红色）旋转条件的平均手动训练。在Veridical反馈，无反馈（灰色背景）和旋转试验期间相对于目标（0°）的手（0°）提出。阴影区域表示SEM。（c，e）旋转块早期和晚期的平均手角度，以及从面对面（C）和在线（E）实验的无反馈后效应块。框图表示中位数（厚的水平线），四分位数（第1和3 rd，盒子的边缘）和极端（min and Max，垂直细线）。每个参与者的数据显示为半透明点。
在准备运动过程中，Alpha和Beta带中皮质功率和连通性的调节
摘要：针对不同目标的计划指导的运动是基于常见的日常活动（例如，到达），涉及视觉，视觉运动和感觉运动大脑区域。alpha（8-13 Hz）和β（13–30 Hz）振荡在运动准备过程中进行调节，并与正确的运动功能有关。然而，在达到任务期间，大脑区域如何激活和相互作用以及如何在功能上与这些相互作用有关的脑部节奏如何受到探索。在这里，考虑到与任务相关的皮质区域网络，在EEG源水平上研究了Alpha和Beta脑活动以及到达制备过程中的连通性。在延迟的中心完成任务中，从20位健康参与者中记录了60个通道的EEG，并预测到皮层以提取每个半球8个皮层区域的活性（2个枕骨，2个壁板，2个壁板，3个Peri-Central中央，1个额叶）。然后，我们通过光谱Granger因果关系分析了与事件相关的光谱扰动和定向连接性，并使用图理论中心性指数（在程度，超出程度上）进行了汇总。的结果表明，α和β振荡在功能上与以不同方式触及的准备工作，前者介导了同侧感觉运动区域的抑制作用和对视觉区域的抑制作用，而后者则协调对相对侧的感觉运动和视觉运动区域的抑制。
评估用于空间机器人操作的基于图像的视觉致毒技术
机器人臂对于多种外星应用至关重要。平面流动器（图1）使用机器人臂收集科学数据并处理样品。类似地，轨道机器人臂半自治地在国际空间站（ISS）进行泊位，检查和组装的操作（图2）。空间中的大多数现有操作系统都需要由宇航员或地面控制器进行远程处理，由于通信延迟以及对高技能运营商的需求，这可能是具有挑战性的。此外，快速增长的空间工业化工作需要自动操纵系统，以适应人类干预最少的动态场景[1]。开发用于空间机器人操纵器的Visuomotor技能可以显着增强自动操作。这些技能使机器人能够识别和跟踪对象，并在执行操纵任务时浏览复杂和动态的环境，增强灵活性和鲁棒性。机器人可以通过使用视觉伺服（VS）策略来获取视觉运动技能，以根据视觉观察来控制机器人的相对运动。由此产生的精度提高将使关键的内部维修任务，例如加油，重新定位，组件更换或修复失败的卫星。这项工作介绍了四种IBVS技术的比较，这些技术可用于增强自主空间机器人操作。我们评估了复杂的旋转转换场景中的不同深度估计方法，传感器方式，特征和控制定律。此外，我们通过组装方案评估ISAM功能。
一致性策略
摘要 - 由于空间，重量和功率限制，许多机器人系统（例如移动操纵器或四型）无法配备高端GPU。这些约束阻止这些系统利用需要高端GPU才能实现快速政策推断的视觉运动策略的最新发展。在本文中，我们提出了一致性策略，这是学习视觉运动机器人控制的扩散策略的更快且相似的替代方案。凭借其快速推理速度，一致性策略可以在资源受限的机器人设置中实现低延迟决策。通过沿扩散策略的学习轨迹执行自我一致性，从预验证的扩散政策中提炼了一致性政策。我们将一致性策略与6个仿真任务中的扩散策略和其他相关的加速方法进行了比较，以及三个现实世界中的任务，我们在其中演示了笔记本电脑GPU的推断。对于所有这些任务，与最快的替代方法相比，一致性策略会加快推理的速度，并保持竞争性的成功率。我们还表明，统一政策培训程序对预处理的扩散政策的质量是可靠的，这是一个有用的结果，可帮助执业者避免对预审预周化的模型进行广泛的测试。启用此性能的关键设计决策是一致性目标的选择，减少初始样本差异以及预设链条步骤的选择。
人类中央前手旋钮的髓鞘含量反映了生理和行为层面的手动运动控制个体差异
初级运动皮层手部区域 (M1 HAND) 和相邻的背侧运动前皮层 (PMd) 形成中央前回中的所谓运动手旋钮。M1 HAND 和 PMd 对于灵巧的手部使用至关重要，它们通过皮质皮层轴突紧密相连，缺乏清晰的分界线。在 24 名年轻的右利手志愿者中，我们进行了多模态映射，以描绘右侧运动手旋钮的结构和功能之间的关系。3 特斯拉的定量结构磁共振成像 (MRI) 产生了区域 R1 图，可作为皮质髓鞘含量的代理。参与者还接受了功能性磁共振成像 (fMRI)。我们绘制了与任务相关的激活和时间精度，同时他们执行一项视觉运动同步任务，该任务需要用左手食指或小指进行视觉提示的外展运动。我们还对运动手柄进行了脑沟对准经颅磁刺激，以确定在两个内在手部肌肉中诱发运动诱发电位 (MEP) 的最佳位置 (热点)。各个运动热点位置沿喙尾轴有所不同。中央前区冠部中的运动热点位置越靠喙，皮质运动 MEP 延迟越长。“热点喙部性”与中央前区冠部的区域髓鞘含量有关。皮质髓鞘含量还与视觉运动同步任务期间的中央前区冠部任务相关激活和时间精确度呈正相关。总之，我们的结果表明皮质髓鞘形成、皮质空间表征和手指运动的时间精确度之间存在联系。我们假设皮质轴突的髓鞘形成促进了 PMd 和 M1 HAND 中的神经元整合，从而促进了运动的精确时间。
理学硕士（神经心理学）
CO1 - 展示对联合行动背景下社会认知、感知和行动之间关系的理解。CO2 - 解释视觉运动适应的概念，并应用时间延迟重新校准的知识来分析和解决处理连续运动中的时间延迟的挑战。CO3 - 检查自下而上/自上而下的感知和显着性图模型的作用，并推断现实搜索任务中的注视控制，以预测和分析各种场景中的眼球运动模式。CO4 - 理解配置编码的概念及其在视觉错觉中的作用，并使用配置处理的知识来分析和解释照明对视觉错觉的影响。CO5 - 分析存在感在 VR 体验中的影响，并评估它如何影响心理学研究中的参与者行为和反应。