XiaoMi-AI文件搜索系统
World File Search System众包
基于众包的人机交互模型学习
涉及人类与自动化系统交互的任务变得越来越普遍。由于人类行为的不确定性以及由于人为因素而导致失败的可能性很高，这种集成系统应在必要时通过调整其行为做出智能反应。设计高效交互驱动系统的一种有前途的途径是混合主动范式。在这种情况下，本文提出了一种学习混合主动人机任务模型的方法。建立可靠模型的第一步是获取足够的数据。为此，我们开展了一项众包活动，并根据收集到的数据训练学习算法，以对人机任务进行建模并使用马尔可夫决策过程 (MDP) 优化监督策略。该模型考虑了人类操作员在交互过程中的行为以及机器人和任务的状态。一旦学习了这样的模型，就可以根据代表任务目标的标准优化监督策略。本文中的监督策略涉及机器人的运行模式。基于 MDP 模型的模拟表明，不确定性规划求解器可用于根据人机系统的状态调整机器人的模式。机器人运行模式的优化似乎能够提高团队的表现。因此，来自众包的数据集是一种有用的材料
利用智能手机开展众包项目
a Hochschule für Technik Stuttgart，Schellingstr 24，70174 Stuttgart，德国 - (eberhard.guelch，shohrab.uddin)@hft-stuttgart.de b Imkerverein Waiblingen e.V.Waiblingen，德国 - bernhardwilli@web.de ICWG III/VII 关键词：花朵识别、蜂蜜产量网络门户、地理定位、无人机 摘要：Beesmart 项目旨在利用智能手机的众包方法推导出蜜蜂的地理定位产量目录。因此，核心问题是智能手机应用程序 (App2bee) 的设计以及花朵识别软件的设计，该软件使用智能手机的传感器信息和开花时间信息来识别和定位花朵。实施的花卉识别基于“最小视觉词袋”方法。分类准确率可达到约 60-70%，当然，这受花卉种类繁多的影响，也受图像拍摄方式以及图像质量和分辨率的影响。通过在触摸屏上应用先验简单的手动分割将图像焦点放在所讨论的花朵上，分类结果得到进一步改善。介绍了 App2Bee 的设计和功能，然后详细介绍了通信、数据库和 Web 门户组件。在项目的第二部分，使用固定翼无人机系统研究对蜜蜂很重要的较大花卉区域的分类，该系统配备两种不同类型的相机，即 RGB 数码相机和 NIR 数码相机。当然不可能识别单朵花，但可以证明，相同花朵的较大花田，例如红三叶草，可以用这种方法进行分类。利用现有数据，还可以对裸地、道路、低牧场、高牧场以及混合牧场进行分类。对于高牧场，可以自动识别花簇，如蓍草。1.简介