XiaoMi-AI文件搜索系统
World File Search System以人为本
以人为本的博弈论安全保障...
本论文旨在通过明确推理其模型与现实世界之间的差距，奠定必要的基础，使自主系统能够在复杂、变化和不确定的环境中确保自身安全。它首先介绍了一套新颖的鲁棒最优控制公式和算法工具，允许在时变、多智能体系统中进行可处理的安全分析，以及在部分未知环境中进行安全的实时机器人导航；这些方法在大型无人机交通模拟和物理四旋翼平台上得到了展示。此后，它利用贝叶斯机器学习方法将基于模型的保证转化为高置信度保证，根据有关物理系统和周围智能体的证据变化来监控预测模型的可靠性。该原则首先应用于通用安全框架，允许对无人机等安全关键型机器人系统使用基于学习的控制（例如强化学习），然后结合认知科学和动态博弈论的见解，实现以人为本的安全导航和交互；这些技术在物理四旋翼飞行器（在未建模的风中和人类行人中飞行）和模拟高速公路驾驶中得到展示。论文最后讨论了未来的挑战和机遇，包括安全分析和强化学习之间的衔接，以及围绕学习和适应“闭环”的必要性，以便自信地部署日益先进的自主系统。
以人为本的变革 - pixelfountain
政党共同努力。改善成员/官员的工作关系。地方当局和 LSP 建立良好的工作伙伴关系。伙伴关系打破了孤岛，共享资金，并发展出外向型关注。组织对政府政策、最佳实践和法律要求达成共识。地方当局及其合作伙伴将可持续发展纳入其社区战略。扩大对地方协议的设计投入，包括与社区的接触。通过更好的采购和工作实践来节约成本并提高效率。组织从因果关系和长期规划的角度思考。地方当局加强审查。吸引不愿意学习的学生。
以人为本的技术.pdf
• 扩展现实 (XR)：利用增强现实和虚拟现实技术进行培训、维护和远程协助，增强人员能力。它们创建了沉浸式培训环境，工人可以在虚拟环境中练习任务，然后在工厂车间执行任务。这降低了初始学习阶段出现错误和事故的风险。AR 将数字信息叠加到物理设备上，通过实时说明和视觉辅助指导技术人员完成维护程序。VR 可以让远程专家通过提供实时指导和故障排除支持来协助现场工人。
以人为本的工业数字孪生
摘要：近十年出现了高度自主、灵活、可重新配置的信息物理系统。通过使用高保真模拟，包括数字孪生（与真实资产相连的虚拟表示），该领域的研究得到了加强。数字孪生已用于过程监督、预测或与物理资产的交互。虚拟现实和增强现实增强了与数字孪生的交互，而以工业 5.0 为重点的研究正在随着数字孪生中人为因素的参与而发展。本文旨在回顾以人为本的数字孪生 (HCDT) 及其支持技术的最新研究。使用 VOSviewer 关键字映射技术进行系统的文献综述。研究了运动传感器、生物传感器、计算智能、模拟和可视化工具等当前技术，以在有前景的应用领域开发 HCDT。针对不同的 HCDT 应用形成了特定领域的框架和指南，突出工作流程和期望结果，例如 AI 模型的训练、人体工程学的优化、安全策略、任务分配等。根据机器学习要求、传感器、接口和人类数字孪生输入的标准，创建了有效开发 HCDT 的指南和比较分析。
以人为本的规划流程
以人为本的规划帮助需要 HCBS/豁免服务的人制定和构建服务计划（护理计划/初始服务计划/修订服务计划），为他们的生活带来目的和意义。寻求/接受豁免服务的申请人/参与者将领导以人为本的规划过程。该过程应提供必要的信息和支持，以确保申请人/参与者尽可能地指导该过程，并能够做出自己的明智选择和决定。如果申请人/参与者有法定监护人，则监护人应根据需要并由个人定义参与其中。以人为本的规划过程必须包括申请人/参与者选择的人员。例如：申请人与其服务协调员 (SC) 一起制定初始服务计划，选择他们希望将谁纳入以人为本的服务计划流程。这些参与者可能包括申请人/参与者选择的人员，例如家人、朋友、非正式支持人员和他们选择的服务提供商。以人为本的规划流程应该：
以人为本并关注创伤 - ...
致谢 卡尔加里临时收容中心 (DI) 和 OrgCode Consulting Inc. (OrgCode) 共同编写了本指南。如果没有众多个人和组织的支持和贡献，本指南就不可能问世。我们要向过去五年中经历过无家可归并使用过 DI 服务的个人表示感谢，他们为这项工作付出了时间和心血。他们的经验、反馈、见解和知识为本指南的主题提供了信息并构成了其内容。我们也感谢 DI 和 OrgCode 员工的众多敏锐观点、建设性反馈和不懈奉献。他们的专业知识、经验、研究和指导是不可或缺的。加拿大和美国的其他各种收容所也应得到认可，因为他们的工作帮助制定和改进了该文件。我们感到很荣幸，许多人慷慨地奉献出自己的时间，愿意分享他们正在做什么、正在考虑做什么、他们犯过哪些错误以及他们在努力使庇护所更加以人为本、更加了解创伤和更加注重住房方面取得了哪些成功。此外，我们感谢许多组织和政府提供了类似环境中以人为本的服务和创伤知情护理的材料。我们主要依靠加拿大、美国、西欧和澳大利亚制作的资源，以及积极致力于更加了解创伤、以人为本或更加注重住房的各个部门和系统。我们还感谢许多国家和国际组织提供资源，从加拿大庇护所转型网络和加拿大无家可归者观察站到无家可归者医疗保健和美国药物滥用精神卫生服务管理局。我们承认，指南中的许多概念都建立在 DI 和其他庇护所的现有做法之上，虽然内容反映了各个庇护所已经实施的考虑因素，但考虑到庇护所运营的当前资源或环境，指南中的其他主题对某些人来说似乎具有激励性。坦率地说，指南中的某些部分在 DI 尚未完全实施。我们也找不到加拿大或美国的任何其他庇护所已经成功实施指南中确定的每个主题。我们认为，在以人为本、了解创伤和关注住房为目标时，接受持续改进非常重要。我们相信，我们应该为我们服务和支持的人继续让庇护体验越来越好。因此，我们承认本指南将随着反馈和未来的合作而不断发展。我们邀请您在将指南的各个方面实施到您的运营中时与我们分享您的经验。我们还想听听您已经做了哪些工作，哪些工作做得好，哪些工作做得不好。此次对话将为本指南的未来版本提供参考。您的反馈和意见的主要联系人是 DI 的 Kevin Webb：kevinw@thedi.ca。Kevin Webb Iain De Jong 紧急避难所和住房总监 总裁兼首席执行官 卡尔加里临时收容和康复中心 OrgCode Consulting Inc.
以人为本的规划 - PCP
• 帮助小组解决基本的 PCP 要素 • 确定会议的基调和精神 • 与恢复途径（希望、选择、赋权、恢复环境和精神）保持一致 • 保持优势和愿望作为驱动力 • 允许接受服务的人选择会议的进行方式和主持人 • 不仅仅是基于评估
朝着以人为本的AI管理
作为由人工智能提供支持的算法（AI）越来越多地参与了组织的管理，当机器能够对人类获得权力时，必须进行以人为本的AI管理研究并了解人们的感受和行为。两种主流方法 - 小插图研究和案例研究 - 揭示了重要但不一致的见解。在这里，我们讨论了小插图研究的局限性（情感预测错误，有偏见的媒体覆盖范围和问题替代）和案例研究（社会可取性偏见以及缺乏随机分配和控制条件），这可能会导致他们分别对AI管理的负面和积极的反应过高。我们进一步讨论了减轻这些局限性的第三种方法的优势：众包市场上的现场实验。一项关于亚马逊机械土耳其人（MTURK；作为世界领先的众包平台）的概念证明研究表明，人类对AI管理的反应独特，与Vignette或案例研究中的AI管理不完全一致。参与者（n = 504）在AI与人类管理方面没有显着差异，在绩效，内在动机，公平感知和承诺方面。我们建议，众包的Mar Ketplaces可以超越人类的研究主题库，并成为AI管理的工作场所的模型，促进及时的行为研究以及对以人为中心的工作设计和组织的强大预测。
以人为本的可解释的AI
人工智能（AI）的最新进展强调了需要解释的AI（XAI）来支持人类对AI系统的理解。考虑影响解释功效的人为因素，例如心理工作量和人类理解，对于有效的XAI设计至关重要。XAI中的现有工作已经取决于不同类型的解释引起的理解和工作量之间的权衡。通过抽象来解释复杂的概念（相关问题特征的手工制作的分组）已被证明可以有效地解决和平衡这种工作负载的权衡。在这项工作中，我们通过信息瓶颈方法来表征工作负载 - 理解的平衡：一种信息理论方法，该方法自动生成了最大化信息性和微型复杂性的抽象。尤其是，我们通过人类受试者实验建立了工作量与复杂性之间以及理解和信息性之间的经验联系。人为因素与信息理论概念之间的这种经验联系提供了对工作负载实现权衡的重要数学表征，从而实现了用户泰式XAI设计。