XiaoMi-AI文件搜索系统
World File Search System任务序列
难加工材料的高性能制造方面
本文介绍了一种简单的起重过程模拟模型，该模型可用于根据负载的各种参数和工人的健康状况预测基本手动装配任务序列所需的总时间。研究的目的是确定使用模拟工具（重新）设置手动装配任务时间标准的适当性。模拟模型中的化身执行处理质量高达 20.5 公斤的任务序列。分析了从模拟模型中获得的单个时间，并与几种时间预测方法进行了比较，并在实验室环境中进行了验证。还分析了不同负载参数对总时间的影响。依赖性大多是线性的，因此从实践者的角度来看，我们可以合理地确定任何尺寸和质量的箱子的任何手动装配任务序列的总时间。根据结果，我们可以确认模拟工具 JACK 不仅适用于人体工程学分析，还适用于为工人设定时间标准。此外，与其他方法相比，我们利用模拟工具分析流程并在更短的时间内获得准确的结果。
![arxiv：2403.07692v2 [CS.CV] 2024年3月14日](/simg/g:\will\search\icon\source\0\07e144d34759045ee888c8d72197c74b0cc21d50.webp)
arxiv：2403.07692v2 [CS.CV] 2024年3月14日
受到NLP通用模型的成功的启发，最近的研究试图以相同的序列格式统一不同的视力任务，并采用自回归的转移器来进行序列预测。他们应用单向关注以捕获顺序依赖性并递归生成任务序列。但是，这种自回旋变压器可能不太符合视觉任务，因为视觉任务序列通常缺乏自然语言中典型地观察到的顺序依赖性。在这项工作中，我们对有效的多任务愿景通用师（MAD）进行了掩饰。疯狂由两个核心设计组成。首先，我们开发了一个并行解码框架，该框架引入双向关注，以全面捕获上下文依赖项并在par-allel中解释视觉任务序列。第二，我们设计了一个掩盖的序列建模ap-prach，通过掩盖和重构任务序列来学习丰富的任务上下文。以这种方式，疯狂通过一个网络分支来处理所有任务，并以最小的特定任务设计来处理简单的跨凝结损失。广泛的实验证明了疯狂作为统一各种视觉任务的新范式的巨大潜力。MAD与自回归对应物相比，同时获得了特定于任务的模型的竞争精度，可以实现卓越的性能和推理效率。代码将在https://github.com/hanqiu-hq/mad上发布。
碳纤维复合材料飞机部件超声波检查的自动缺陷检测
开发了基于商业软件 Ultis ® 的自动化任务序列，结合新的预处理和后处理工具，以实现对从大型复杂 CFRP 组件获得的超声波数据的全自动分析。在包含各种人工缺陷的参考面板上，结果 90/95 为 6.8 毫米。新工具包括 C 扫描投影优化器，可最大限度地减少 3D 到 2D 转换期间的缺陷变形，一种有效的分割方法，可解决具有挑战性的特征（共固化纵梁、层脱落、多种厚度变化），以及一种能够自动从 A 扫描集合中提取指示的新型缺陷检测算法。结果表明，该方法满足检测要求，同时显著缩短了分析时间。
基于人类 - 机器人协作拆卸电动汽车电池电池回收
通过在各种工业领域的广泛应用新电动汽车（EV）电池，建立一个系统的智能电池回收系统非常重要，该系统可用于发现退休EV电池的资源废物和环境影响。通过汇总不确定和动态的拆卸和梯队利用电动电动电池回收，可以使用人 - 机器人协作（HRC）拆卸方法来解决有关退休电动汽车电动电动电动电动电池恢复效率的巨大挑战。为了找到基于HRC拆卸过程的拆卸任务计划，用于退休的电动汽车电池回收，由多机构增强学习（MARL）提出了动态拆卸的顺序任务优化方法算法。此外，有必要根据2D平面中的HRC拆卸任务拆卸退休的电动汽车电池拆卸轨迹，该轨迹可用于通过组合Q-Learning算法来获取相同拆卸平面的最佳拆卸路径。可以通过标准轨迹匹配来完成灾难性任务序列。最后，通过特定电池模块的拆卸操作验证了所提出的方法的可行性。[doi：10.1115/1.4062235]
肌电假手的人工感知和半自主控制可提高性能并减少工作量
摘要 — 由于肌电人机界面的局限性，对具有多关节腕部/手部的上肢假肢进行灵巧控制仍然是一个挑战。多种因素限制了这些界面的整体性能和可用性，例如需要按顺序而不是同时控制自由度，以及从虚弱或疲劳的肌肉中解读用户意图的不准确性。在本文中，我们开发了一种新型人机界面，该界面赋予肌电假肢 (MYO) 人工感知、用户意图估计和智能控制 (MYO-PACE)，以在准备假肢进行抓取时持续为用户提供自动化支持。我们在实验室和临床测试中将 MYO-PACE 与最先进的肌电控制 (模式识别) 进行了比较。为此，八名健全人和两名截肢者进行了一项标准临床测试，该测试由一系列操纵任务（SHAP 测试的一部分）以及在杂乱场景中更复杂的转移任务序列组成。在所有测试中，受试者不仅使用 MYO-PACE 更快地完成了试验，而且还实现了
通过同步光学脑成像和眼动追踪测量实现认知工作量的多模态模型
神经成像技术的最新进展使得对复杂任务设置和环境中操作员的认知过程进行多模态分析变得越来越实用。在这项探索性研究中，我们利用光学脑成像和移动眼动追踪技术来研究专家和新手操作员在正常和不利条件下操作人机界面时的行为和神经生理差异。与相关工作一致，我们观察到与新手相比，专家的前额叶氧合水平往往较低，并且表现出与最佳任务序列更一致的凝视模式，注视时间更短。这些趋势仅在操作员收到意外错误消息的不利条件下才达到统计显著性。错误消息前后的血流动力学和凝视测量之间的比较表明，专家对错误的神经生理反应包括双侧背外侧前额叶皮层 (dlPFC) 活动的系统性增加，同时注视时间增加，这表明他们的注意力状态发生了转变，可能从常规过程执行转变为问题检测和解决。新手的反应不如专家强烈，包括左侧 dlPFC 仅略有增加，注视持续时间呈下降趋势，这表明他们通过视觉搜索行为来寻找可能的线索，以理解
战术医疗后勤规划工具
战术医疗后勤规划工具：建模作战风险评估战术医疗后勤规划工具 (TML+) 是一款专为海军和海军陆战队医疗规划人员设计的软件程序，它是一种工具，可 (1) 建模从受伤点到更明确的护理的患者流动，以及 (2) 支持运筹学和系统分析研究、作战风险评估和现场医疗服务规划。TML+ 采用用户友好的图形用户界面、开放式架构和四个程序模块设计。伤亡生成模块使用指数分布随机生成行动中受伤、疾病和非战斗伤害。护理提供模块使用通用任务序列、模拟治疗时间以及人员、消耗品供应和设备要求来模拟功能区域内的患者治疗和排队。网络/运输模块模拟通过运输资产在护理网络中疏散（包括排队）和患者路线。报告模块生成一个 Access 数据库，其中详细列出了各种指标，例如患者处置、系统内时间数据以及消耗品、设备、人员和运输利用率，这些指标可以根据用户的需求进行筛选。TML+ 可在部署前用作深思熟虑的规划工具，也可在部署期间用作危机行动工具，帮助规划人员应对迅速变化的战时环境。
综合空间任务规划与航天器设计的多学科设计优化方法
太空任务规划和航天器设计紧密耦合，需要一起考虑才能获得最佳性能；然而，这个集成优化问题会导致大规模的混合整数非线性规划 (MINLP) 问题，而该问题的求解十分具有挑战性。为了应对这一挑战，本文提出了一种新的解决该 MINLP 问题的方法，即遵循多学科设计优化 (MDO) 的理念，通过增强拉格朗日协调方法迭代求解一组耦合子问题。所提出的方法利用问题的独特结构，将其分解为一组不同类型的耦合子问题：任务规划的混合整数二次规划 (MIQP) 子问题和航天器设计的一个或多个非线性规划 (NLP) 子问题。由于可以将专门的 MIQP 或 NLP 求解器应用于每个子问题，因此所提出的方法可以有效地解决原本难以解决的集成 MINLP 问题。还提出了一种自动有效的方法来寻找这种迭代方法的初始解，这样就可以在不需要用户定义的初始猜测的情况下进行优化。在演示案例研究中，使用子系统级参数化航天器设计模型优化了载人月球探测任务序列。与最先进的方法相比，即使没有并行化，所提出的公式也可以在更短的计算时间内获得更好的解决方案。对于更大的问题，所提出的解决方法也可以轻松并行化，因此有望进一步发挥优势和可扩展性。
UCL神经科学研讨会2024
Research POSTER TITLE Reinforcement learning mechanisms of antidepressant treatments (RELMED) AUTHORS Abir Y, Qiu Z, Dercon Q, Mkrtchian A, Dolan R, Kessler D, Leurent B, Morriss R, Nazareth I, Nixon N, Watson S, Wiles N, Peddada A, Browning M, Huys Q ABSTRACT Two extensive literatures concern the neuromodulators 5-羟色胺，多巴胺和去甲肾上腺素。首先，许多双盲随机临床试验证实了针对这些神经调节剂抑郁症治疗的药物的功效。第二，同样令人信服的作品已经为这些神经调节剂在增强学习（RL）中确立了因果关系。计算精神病学的跨学科领域试图弥合这两个领域。然而，抑郁症治疗中RL机制的程度尚不确定。我们介绍了Relmed，该项目旨在确定针对各种神经调节剂的抗抑郁药是否参与RL的不同组成部分。Relmed包括在英国初级保健中进行的两次连续双盲随机临床试验。每个试验涉及516名随机接受安非他酮，依他普兰或安慰剂的抑郁症患者。最初的试验将探索广泛的RL域，随后的试验检查了特定的RL机制。在第一次试用期间，参与者将进行一系列在线行为RL任务。与标准方法不同，Relmed测量了单个连贯的任务框架内的多个RL机制，包括食欲和厌恶仪器学习，Pavlovian-工具传递，可控性，工作记忆和平均奖励效果。2。我们概述了任务序列，测试可靠性以及可接受性和用户测试的结果。本杰·巴内特（Benjy Barnett） - 人类神经影像学标题的惠康中心（Wellcome）中心创造了一些东西：人脑作者Barnett B中数值零的符号和非符号表示，弗莱明（Fleming）摘要代表零数量零，被认为是抽象人类思想的独特成就。尽管在理解支持自然数的神经代码方面取得了很大进展，但在人脑中如何编码数值零仍然未知。我们发现
2023 PWS研究研讨会摘要小册子
Prader-Willi综合征（PWS）是一种罕见的，遗传遗传的遗传疾病，可能引起各种发育，内分泌和认知功能障碍，例如延迟学习和难以抑制情绪行为。PWS的MAGEL2-NULL小鼠模型是一种具有早期寿命低下，后期寿命和内分泌功能障碍的PWS样表型的相对一致的模型，但是，该模型的认知障碍尚未得到完善。为了表征Magel2-Null鼠标的认知功能，我们使用自动行为系统（MED Associates）完成了一系列行为测试。为了评估关联学习，我们跟踪了动物学习杠杆或鼻子的时间以获得食物奖励的时间。为了研究复杂的任务学习，我们为动物为获得食物奖励而必须执行的一系列任务添加了第二个操作。为了评估动机行为，我们使用了一项渐进式比率任务，在该任务中，获得食物奖励所需的杠杆数量在测试时间内继续增加。动机通过断点进行评估，这是测试过程中达到的最大杠杆按压数量。我们发现，与对照同窝仔相比，Magel2-null小鼠花了大约1.5倍的时间才能学习鼻子以获得食物奖励。将第二个操作添加到任务序列中以获得食物奖励时，Magel2-Null小鼠的时间比对照同书同同伙的1.75倍更长，以学习这种新行为。此外，双向t检验表明，Magel2-null小鼠花费的时间明显多（M = 7.4天），学会了与他们的对照同同胞相比（M = 5.6天； t（24）= 2.64，p = .014）。最后，渐进比率任务表明MAGEL2-NULL和对照小鼠之间的动机没有差异，因为两组的断点值之间没有差异。在一起，我们发现Magel2-Null小鼠的学习延迟，这不是归因于动机，这与PWS的临床症状一致。我们下一个计划使用认知行为任务，这将使我们能够衡量行为抑制作用，这将代表PWS患者中不灵活性和情感爆发的认知功能障碍。这些发现将为MAGEL2无效的认知功能提供基线，以便未来的研究可以测试新的治疗方法以帮助PW的这一方面。