XiaoMi-AI文件搜索系统
World File Search System具身化
Dima 实验室：路易体痴呆和帕金森病症状
Embodied Labs 很高兴发布我们的下一个具身体验：“Dima 实验室：路易体痴呆和帕金森病”。这个实验室允许学习具身化一位名叫 Dima（发音为“DEE-mah”）的黎巴嫩裔美国女性，她开始出现路易体痴呆 (DLB) 引起的症状。DLB 是一种综合性疾病，包括更常见的帕金森病 (PD) 和路易体痴呆 (LBD)——影响着数百万美国人和世界各地的人们，导致身体力矩、运动控制、个性、睡眠习惯和认知能力发生变化，以及许多其他症状。
IT和AI的发展、地方创生、少子化对策
资料来源：https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861、https://bdtechtalks.com/2020/03/09/artificial-intelligence-covid-19-coronavirus/、https://news.yahoo.co.jp/byline/kazuhirotaira/20200326-00169744/
融合思维与机器：探究认知架构与生成模型的融合以实现一般具身智能
认知架构与生成模型是实现一般具身智能的两种截然不同的方法，本文探讨两者的初衷、实现方式和优缺点，旨在将其融合为一般具身智能，以发挥其优势，补足其弱点。首先，通过分析两者不同的应用场景和进一步研发的难点，探索两者之间的潜在协同作用和可能的整合策略。然后，通过结合认知架构（模拟类人认知过程）和生成模型（擅长根据学习模式生成新内容）的优势，实现创建具有增强整体能力的具身智能的目标。最后，本文结合示例，提出了一个综合框架，展示了如何集成认知架构、生成模型和其他人工智能方法以实现一般具身智能。
30 ~ 40V 系列N-沟道JSFET 具业界领先水平的RON,sp
30V 器件的低 R DS(ON) 和 Qg 可在各种最终产品中的典型 DC/DC 降压和/或升压转换中实现高功率效率。它们是：PC 和图形主板、计算机外围设备、工业计算、电池供电的电动工具、家庭自动化、消费者生活方式的个人电器、无人驾驶飞行器、电池管理系统 (BMS) 等。低 V GS(th)_Typ @ 1.7V 与典型的基于 MCU 的嵌入式控制器兼容。图 1 和图 2 说明了降压转换和直流电机驱动的典型应用电路。图 3 所示的双 N 配置使 40V 器件（例如 JMSL0406AGD）特别适用于流行的快速充电器中的 V BUS 切换，该充电器具有两个输出端子：一个是 USB Type-C，另一个是 USB Type-A。
1 2 3 1 扶手安装支架和 4 个其他物品 Kochi Garrison 6.7。......
以上内容，在接受《投标及合同指南》、《开放式柜台方式实施指南》、《标准合同等》的合同条款等后，我们将提供报价。 此外，本公司（若为个人则为本人，若为团体则为本公司组织）特此同意《投标及合同指南》中关于排除黑社会性质组织的承诺。
意向性具身代理的神经动力学原理
情境化具身智能体如何利用知识实现目标是自然和人工智能的经典问题。生物体如何利用其神经系统实现这一目标是具身认知神经理论面临的核心挑战。为了构建这一挑战，我们借用了塞尔对意向性的分析中的术语，即其两个契合方向和六种心理模式（感知、记忆、信念、行动中的意图、先前意图、愿望）。我们假设意向状态由神经激活模式实例化，而神经激活模式由神经交互稳定。动态不稳定性为启动和终止意向状态提供了神经机制，对于组织意向状态序列至关重要。概念节点网络所表示的信念是自主学习的，并根据期望的结果被激活。意向智能体的神经动力学原理在一个玩具场景中得到演示，其中机器人智能体探索环境并根据学习到的颜色变换规则将物体涂成所需的颜色。
RoboTHOR：一个开放的仿真到现实具象人工智能平台
视觉识别生态系统（例如 ImageNet、Pascal、COCO）在现代计算机视觉的发展中发挥了不可否认的作用。我们认为，在这些生态系统出现之前，交互式和具身视觉 AI 已经达到了与视觉识别类似的发展阶段。最近，各种合成环境已被引入以促进具身 AI 的研究。尽管取得了这些进展，但在模拟中训练的模型如何很好地推广到现实这个关键问题仍然基本上没有答案。为模拟到现实的具身 AI 创建一个可比的生态系统提出了许多挑战：（1）问题固有的交互性，（2）现实世界和模拟世界之间需要紧密结合，（3）复制可重复实验的物理条件的难度，（4）以及相关成本。在本文中，我们引入了 R OBO THOR 来使交互式和具身视觉 AI 的研究民主化。 R OBO THOR 提供模拟环境框架
具身认知和情商。简短讨论 David Tomasi，DSc HC，PhD，EdD-PhD，MA，MCS，AAT 1
摘要 这篇简短的文章考察了在更广泛的具身认知背景下，神经科学和哲学理解情绪和认知过程的基本参数。更详细地说，讨论遵循一系列研究领域，通过回答基本问题来构建，即：A）身心二元论对日常生活的影响，B）情商视角下的可能首选视角（PPP），C）模拟理论与理论理论 D）神经心理学配对缺陷与生理研究 E）社交距离对识别和理解情绪能力的影响 F）结论 关键词：神经科学、哲学、心理学、精神病学、心理治疗、情绪、认知、感知 通讯作者 David Tomasi，佛蒙特州立学院/佛蒙特社区学院（CCV），美国佛蒙特州威努斯基。电子邮件：david.tomasi@ccv.edu
![arXiv:2404.03325v2 [cs.RO] 2024 年 9 月 12 日](/simg/5\59c444c99e7e2701f7d7ca4bf915a43724400da7.webp)
arXiv:2404.03325v2 [cs.RO] 2024 年 9 月 12 日
摘要 — 机器人技术一直是提高人类生产力不可或缺的一部分，因为它们一直在帮助人类以快速、准确和高效的方式完成各种复杂且密集的任务。因此，机器人技术已被部署到从个人到工业用例的广泛应用中。然而，当前的机器人技术及其计算范式仍然缺乏具身智能，无法有效地与操作环境交互、以正确/预期的动作做出反应并适应环境的变化。为此，使用脉冲神经网络 (SNN) 的神经形态计算的最新进展已经证明了通过模仿生物大脑工作方式的生物可信计算范式（称为“神经形态人工智能 (AI)”）实现机器人具身智能的潜力。然而，基于神经形态人工智能的机器人领域仍处于早期阶段，因此其开发和部署用于解决现实问题在准确性、适应性、效率、可靠性和安全性等不同设计方面面临新的挑战。为了应对这些挑战，本文将讨论如何从以下几个角度为机器人系统实现具身神经形态人工智能：（P1）基于有效学习规则、训练机制和适应性的具身智能；（P2）节能神经形态计算的跨层优化；（P3）具有代表性和公平性的基准；（P4）低成本可靠性和安全性增强；（P5）神经形态计算的安全性和隐私性；（P6）节能和稳健的神经形态机器人的协同发展。此外，本文还确定了研究挑战和机遇，并阐述了我们对未来机器人具身神经形态人工智能研究发展的愿景。