XiaoMi-AI文件搜索系统
World File Search System交互的
用文本映射人机交互的设计空间
自动文本摘要系统通常需要人类来准备数据或评估模型性能，然而，人们缺乏对人类在与人工智能交互或接受人工智能协助时的角色、经验和需求的系统理解。从以人为本的角度，我们绘制了文本摘要和更广泛的文本生成任务中人机交互的设计机会和考虑因素。我们首先对 70 篇论文进行了系统的文献综述，开发了人工智能辅助文本生成中的五种交互分类法和相关的设计维度。我们为每种交互设计了文本摘要原型。然后，我们在原型的帮助下采访了 16 位用户，以了解他们对人工智能在文本摘要中的效率、控制和信任的期望、经验和需求，并据此提出了设计考虑因素。
用文本映射人机交互的设计空间
自动文本摘要系统通常需要人类来准备数据或评估模型性能，然而，人们缺乏对人类在与人工智能交互或接受人工智能协助时的角色、经验和需求的系统理解。从以人为本的角度，我们绘制了文本摘要和更广泛的文本生成任务中人机交互的设计机会和考虑因素。我们首先对 70 篇论文进行了系统的文献综述，开发了人工智能辅助文本生成中的五种交互分类法和相关的设计维度。我们为每种交互设计了文本摘要原型。然后，我们在原型的帮助下采访了 16 位用户，以了解他们对人工智能在文本摘要中的效率、控制和信任的期望、经验和需求，并据此提出了设计考虑因素。
机器学习与设计交互的有趣探索
摘要：飞机维护是一个复杂的领域，设计包含机器学习 (ML) 算法的新系统可能成为一项挑战。在设计用于飞机维护规划的基于条件的维护 (CBM) 工具的背景下，本案例研究涉及 (1) 使用 Playful Probing 方法来获取洞察，从而了解如何设计与 ML 算法的交互，(2) 集成强化学习 (RL) 代理以实现维护规划中的人机协作以及 (3) CBM 指标的可视化。使用设计科学研究方法，我们设计了 Playful Probe 协议和材料，并通过举办参与式设计研讨会来评估结果。我们的主要贡献是展示如何引出将维护规划实践与 ML 估算工具和 RL 代理相结合的想法。通过参与式设计研讨会并让参与者观察如何使用 CBM 工件，Playful Probes 有利于引出用户与 RL 规划代理的交互需求，以帮助规划人员获得可靠的维护计划，并有可能理解如何表示 CBM 指标并通过轨迹预测将其可视化。
材料 4.0 与数字孪生交互的指南
新基础设施项目的快速发展需要在新的环境中加速部署新材料。材料 4.0 对于实现这些目标至关重要。多年来，数字化在材料领域的应用一直处于研究的前沿，但目前尚无统一的方法来描述该领域的框架，从而形成了一些发展空间。这与人们对数字孪生 (DT) 作为所有这些问题的可能答案的更广泛期望相矛盾。问题在于，没有组件 DT 的公认定义，以及它应该包含哪些信息以及如何在整个产品生命周期中实施它。在本立场文件中，明确区分了“制造 DT”和“组件 DT”；前者是后者的起始边界条件。为了实现这一点，我们还讨论了引入数字线程作为数据在制造和服务过程中传递的关键概念。本文给出了从材料角度定义 DT 开发框架的阶段，承认了在学术界创造新理解与在工业中逐个组件应用这些知识之间的区别。作者确定了组件 DT 的广泛应用面临的许多挑战；所有这些都会导致属性和位置的不确定性，解决这些问题需要在提供安全相关材料属性数据时做出判断。
材料 4.0 与数字孪生交互的指南
新基础设施项目的快速发展要求在新的环境中加速部署新材料。材料 4.0 对于实现这些目标至关重要。多年来，数字化在材料领域的应用一直处于研究的前沿，但目前尚无统一的方法来描述该领域的框架，从而创造出发展空间。这与人们对数字孪生 (DT) 的更广泛期望相混淆，因为数字孪生是所有这些问题的可能答案。问题在于，没有公认的组件 DT 定义，以及它应该包含哪些信息以及如何在整个产品生命周期中实施它。在本立场文件中，明确区分了“制造 DT”和“组件 DT”；前者是后者的起始边界条件。为了实现这一点，我们还讨论了引入数字线程作为将数据从制造传递到服务的关键概念。给出了从材料角度定义 DT 开发框架的阶段，承认了在学术界创造新理解与在工业中逐个组件应用这些知识之间的区别。确定了组件 DT 广泛应用的许多挑战；所有这些都会导致属性和位置的不确定性，解决这些问题需要在提供安全相关的材料属性数据时做出判断。
脑网络交互的动态基元
a 柏林夏里特医学院柏林健康研究所，柏林夏里特广场 1，柏林 10117，德国 b 柏林夏里特医学院神经病学与实验神经病学系，柏林自由大学和柏林洪堡大学的企业成员，柏林夏里特广场 1，柏林 10117，德国 c 伯恩斯坦学习状态依赖性重点和伯恩斯坦计算神经科学中心，柏林，德国 d 爱因斯坦柏林神经科学中心，柏林夏里特广场 1，柏林 10117，德国 e 爱因斯坦数字未来中心，柏林 Wilhelmstraße 67，柏林 10117，德国 f 新加坡国立大学电气与计算机工程系，新加坡 g 杨潞龄医学院、睡眠与认知中心和转化磁共振研究中心，新加坡新加坡，新加坡 i 综合科学与工程项目 (ISEP)，新加坡国立大学，新加坡，新加坡 j Athinoula A. Martinos 生物医学成像中心，麻省总医院，查尔斯顿，美国 k 信息和通信技术系，大脑与认知中心，计算神经科学组，庞培法布拉大学，巴塞罗那，西班牙 l Institució Catalana de la Recerca i Estudis Avançats，巴塞罗那，西班牙 m 神经心理学系，马克斯普朗克人类认知与脑科学研究所，莱比锡，德国 n 心理科学学院，特纳大脑与心理健康研究所，莫纳什大学，墨尔本，克莱顿，澳大利亚
人机交互的验证与综合 - DROPS
机器人技术的发展趋势是，从与人物理分离工作的工业机器人，转向在工作场所和家中与人协作和互动的机器人。人机交互 (HRI) 领域从计算、设计和社会的角度研究这种交互。与此同时，人们对机器人和自主系统行为的安全性、验证和自动合成的研究兴趣日益浓厚。形式化方法和测试领域专注于系统的验证和合成，旨在对系统进行建模并定义和证明这些系统的规范；在机器人技术的背景下，这些技术考虑了机器人动力学及其与不断变化和不确定的环境的相互作用。然而，与机器人合作的人不仅是机器人环境的一部分，而且是一个自主代理，其意图、信念和行为与机器人代理的意图、信念和行为相吻合。这引发了与验证和合成相关的新研究问题，包括什么是人机交互的适当模型；是否以及如何
人工智能立场：跨越人机交互的未知领域？
摘要。尽管即使是非常先进的人工系统也无法满足人类成为社会互动适当参与者所需的苛刻条件，但我们认为并非所有人机交互 (HMI) 都可以适当地简化为单纯的工具使用。通过批评标准意向性主体解释的过于苛刻的条件，我们建议采用一种最小方法，将最小主体归因于某些人工系统，从而提出将采取最小联合行动作为社会 HMI 的案例。在分析此类 HMI 时，我们利用了丹尼特的立场认识论，并认为出于多种原因，采取意向性立场或设计立场可能会产生误导，因此我们建议引入一种能够捕捉社会 HMI 的新立场——人工智能立场。
人机交互的最佳操作员训练参考模型...
人类操作员是稳定、安全的电力系统不可或缺的一部分。虽然人们越来越关注自动化改进，但理解和培训人类操作员的重要性可能被低估了。本文讨论了一个通过评估人类相对于使用最优控制理论确定的参考操作员模型的表现来增强操作员培训计划的项目。除了建立一个简单的基于计算机的操作员工作站以供将来培训之外，本文还介绍了人在环电力系统实验的最优控制响应设计方法。介绍了整个系统模型。将最优控制器综合方法应用于模型系统并设计最优控制器。然后将最优控制器的性能与人类受试者的性能进行比较。
使用 MBSE 定义人与系统交互的接口
荣誉论文版权许可 此表格必须由学生签署并作为论文的装订部分提交。在提交本论文以部分满足阿拉巴马大学亨茨维尔分校荣誉文凭或证书的要求时，我同意本大学图书馆应免费提供本论文供查阅。我还同意，我的导师或（在他/她不在的情况下）系主任、项目主任或荣誉学院院长可授予出于学术目的大量复印的许可。双方还理解，在对本论文中的任何材料进行任何学术使用时，应给予我和阿拉巴马大学亨茨维尔分校应有的认可。Isabeta Rountree_______________ 学生姓名（印刷体）