XiaoMi-AI文件搜索系统
World File Search System光标
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。
MIDAS触摸问题在眼睛凝视
左：眼睛跟踪器摄像机拾取用户的目光。右：使用目光来控制打字应用程序。已经提出了几种遏制MIDAS触摸问题的方法。一种方法是选择注视，但不能激活接口元素。一个典型的例子是使用自愿眨眼来确认基于目光的选择。，但这假定眼睛始终是自愿的。第二种方法是测量用户眼睛的总时间在接口元素中（“ dell Time”）（Jacob和Stellmach，2016年）。如果停留时间超过一定的阈值值，则该元素将被激活。选择阈值大于典型的眼固定持续时间。这种方法的问题是没有固定的固定时间表明用户的意图。第三种方法是具有凝视驱动的光标（“凝视鼠标”）并进行鼠标点击以确认选择（Kasprowski等，2016）。，但这不是免提解决方案。第四种方法是双重视线方法（Mohan等，2018），在这种情况下，用户凝视着他/她想要
用于捕获事件的异步无线网络......
我们引入了一种无线射频网络概念，用于从大量空间分布的自主微传感器（数量可能达数千个）中捕获稀疏事件驱动数据。每个传感器都被认为是一个微芯片，能够在将时变输入转换为脉冲序列时进行事件检测。受大脑信息处理的启发，我们开发了一种基于码分多址方法的频谱高效、低错误率异步网络概念。我们通过实验表征了几十个亚毫米级硅微芯片的网络性能，并辅以更大规模的计算机模拟。对片上时钟的不同实现进行了比较。为了测试基于脉冲的无线通信与神经形态计算技术的下游传感器群体分析自然匹配这一概念，我们部署了一个脉冲神经网络 (SNN) 机器学习模型来解码灵长类动物皮层中八千个脉冲神经元的数据，以准确预测光标控制任务中的手部运动。
GIMIS：通过运动想象选择进行凝视输入
在 Fitts 定律实验中，开发了一种混合凝视和脑机接口 (BCI) 来完成目标选择。该方法 GIMIS 使用凝视输入来控制计算机光标以指向目标，并通过 BCI 使用运动意象 (MI) 执行点击以选择目标。一项实验 (n = 15) 比较了三种运动意象选择方法：仅使用左手、使用腿以及使用左手或腿。后一种选择方法（“任一”）具有最高的吞吐量（0.59 bps）、最快的选择时间（2650 毫秒）和 14.6% 的错误率。随着目标宽度的增加，瞳孔大小显著增加。我们建议使用大目标，这显著降低了错误率，并使用“任一”选项进行 BCI 选择，这显著提高了吞吐量。与停留时间选择相比，BCI 选择速度较慢，但如果凝视控制正在恶化，例如在 ALS 疾病的晚期阶段，GIMIS 可能是一种逐步引入 BCI 的方法。
比较头戴式显示器中凝视输入技术的选择机制
头部运动是 VR/AR 头戴设备的常见输入方式。然而，尽管它们使用户能够控制光标，但它们缺乏触发操作的集成方法。存在许多方法可以填补这一空白：专用的“点击器”、设备上的按钮、空中手势、停留、语音和基于将头部运动与视觉呈现的目标相匹配的新输入技术。这些提议多种多样，目前缺乏关于这些不同技术的性能、体验和偏好的实证数据。这妨碍了设计师选择合适的输入技术进行部署的能力。我们进行了两项研究来解决这个问题。一项 Fitts 定律研究比较了五种传统的选择技术，并得出结论：点击器（手动）和停留（免提）提供了精度、速度和物理负荷的最佳组合。一项后续研究将点击器和停留与运动匹配实现进行了比较。虽然点击器保持最快且停留最准确，但运动匹配可能在这两极之间提供有价值的折衷。
飞行控制单元案例研究 - HAL
摘要 自 2000 年代初以来，许多飞机驾驶舱就已使用交互式驾驶舱，但即使在最新的飞机中，交互的使用仍然仅限于非关键功能。事实上，设计这样的交互式系统仍然是一个挑战，而且它们的设计尚未达到关键功能所需的设计保证水平。在交互式驾驶舱中，交互通过图形输入设备和键盘进行（例如空客系列中的键盘光标控制单元），而用户界面 (UI) 的行为必须符合 ARINC 661 标准中定义的规范。本文提出的工具支持的三重方法提出了提高交互式系统保证水平的方法。该方法包括用于描述交互系统每个组件的正式描述技术（检测和预防开发故障）、专用于交互系统组件的命令和监控技术（检测自然故障）以及隔离运行时环境（防止故障传播）我们报告了使用此方法实现的飞行控制单元 (FCU) 面板，其灵感来自 A380 的 FCU。
EEG 误差相关电位编码误差大小和个体感知阈值
摘要 错误相关电位 (ErrPs) 是绩效监控的重要脑电图 (EEG) 相关因素，对于学习和调整我们的行为至关重要。人们对 ErrPs 是否编码了除错误意识之外的更多信息知之甚少。我们报告了一项有 16 名参与者参加的实验，该实验分为三个环节，在执行光标到达任务期间偶尔会发生不同程度的视觉旋转。我们设计了一个脑机接口 (BCI) 来检测提供实时反馈的 ErrPs。单个 ErrP-BCI 解码器在各个环节之间表现出良好的传输性能，并且在错误幅度上具有可扩展性。ErrP-BCI 输出与错误幅度之间的非线性关系可预测个人感知阈值以检测错误。我们还揭示了与所需调整幅度共同变化的 θ-γ 振荡耦合。我们的研究结果为探索和扩展当前的绩效监控理论开辟了新途径，通过结合连续的人机交互任务和对 ErrP 复合物而非单个峰值的分析。
虚拟的注意力增强和运动辅助...
摘要 — 中风等疾病导致上肢功能障碍，导致日常活动困难。研究表明，使用虚拟现实游戏进行康复训练有助于患者恢复手臂功能。研究发现，确保患者积极参与并在过程中付出努力对于获得更好的训练效果非常重要。本文介绍了一种帮助患者提高参与度并在虚拟现实介导的上肢康复训练中提供运动辅助的方法。通过改变屏幕上呈现的光标和物体之间的拖动速度，向患者产生虚拟力的幻觉，作为唯一的反馈，从而实现注意力增强和运动辅助。我们使用所提出的方法展示了两种游戏形式，包括目标接近游戏和迷宫跟踪游戏。对人类参与者的评估实验结果表明，与没有注意力增强和运动辅助的游戏相比，所提出的方法可以提供路径引导，显着提高用户的路径跟随性能，并且需要用户更多的参与。
如何玩电脑游戏
- 从电源打开电脑游戏 - 玩家使用键盘或输入取决于游戏类型的命令。 - 鼠标在屏幕上移动光标。 - 您可以使用操纵杆或游戏控制器 - 然后您可以根据游戏中的情况进行瞄准或射击 - 完成每个游戏后保存游戏 - 完成游戏后关机 玩电脑游戏的原因 1. 为了娱乐 2. 为了教育目的 3. 作为娱乐活动 4. 为了减轻压力 5. 为了放松 6. 为了挑战 电脑游戏的价值 1. 玩家可以存储他们的进度并在以后继续游戏 2. 这些机器使用鼠标控制器。 3. 一种让玩家快速且高度精确地控制的装置。 4. 它具有标准化的声音协议，可为游戏提供强劲的音乐 5. 通过游戏阻止青少年形成社会恶习 6. 娱乐来源 电脑游戏对儿童的好处 - 玩电脑游戏可以提高协调性。 - 玩电脑游戏可以提高注意力和集中力。 - 玩电脑游戏可以提高大脑速度。 - 玩电脑游戏可以提高解决问题的能力。 - 玩电脑游戏可以提高社交能力。
使用人类皮层脑电信号的脑机接口∗
摘要 脑机接口 (BCI) 使用户能够通过头皮的脑电图 (EEG) 活动或大脑内的单神经元活动来控制设备。这两种方法都有缺点：EEG 分辨率有限且需要大量训练，而单神经元记录具有很大的临床风险并且稳定性有限。我们在此首次证明从大脑表面记录的皮层脑电图 (ECoG) 活动可以使用户快速准确地控制一维计算机光标。我们首先确定了与不同类型的运动和语音意象相关的 ECoG 信号。在 3-24 分钟的短暂训练期内，四名患者随后使用这些信号掌握闭环控制并在一维二元任务中实现 74-100% 的成功率。在额外的开环实验中，我们发现频率高达 180 Hz 的 ECoG 信号编码了有关二维操纵杆运动方向的大量信息。我们的结果表明，基于 ECoG 的 BCI 可以为严重运动障碍患者提供一种非肌肉通信和控制选项，这种选项比基于 EEG 的 BCI 更强大，并且比使用穿透大脑的电极的 BCI 更稳定、创伤更小。