XiaoMi-AI文件搜索系统
World File Search System初步实验
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆 [ 1 , 15 , 36 , 18 ]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，从而确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动 [ 17 , 35 ]。我们通过对城市周围和跑步机上更自然的骑行行为的视频分析进一步证实了这种低速行为 [ 13 ]。此后，这项工作在运动研究文献中被广泛引用。在这些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态状态 [ 21 , 32 ]，包括最
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆[1,15,36,18]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，从而确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动[17,35]。我们通过对城市周围和跑步机上更自然的骑行行为进行视频分析，进一步证实了这种低速行为[13]。此后，这项工作在运动研究文献中被广泛引用。在那些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态状态[21,32]，包括最
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆[1,15,36,18]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，从而确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动[17,35]。我们通过对城市周围和跑步机上更自然的骑行行为进行视频分析，进一步证实了这种低速行为[13]。此后，这项工作在运动研究文献中被广泛引用。在那些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态状态[21,32]，包括最
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆[1,15,36,18]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，从而确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动[17,35]。我们通过对城市周围和跑步机上更自然的骑行行为进行视频分析，进一步证实了这种低速行为[13]。此后，这项工作在运动研究文献中被广泛引用。在那些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态状态[21,32]，包括最
研究声明 - GitHub 页面
我的研究生工作重点是了解人类在自行车上保持平衡时使用的控制机制。由于自行车是一种动态复杂的车辆 [ 1 , 15 , 36 , 18 ]，充当人类与环境之间的中介，因此它是了解平衡和手动控制的理想车辆平台。我早期的研究生工作重点是将主成分分析应用于跑步机上稳定骑行期间的大量运动捕捉数据，该方法确定了主要运动模式并揭示了低速时用于保持平衡的细微腿部运动 [ 17 , 35 ]。我们通过对城市周围和跑步机上更自然的骑行行为进行视频分析，进一步证实了这种低速行为 [ 13 ]。此后，这项工作在运动研究文献中被广泛引用。在那些初步实验之后，我设计并制作了一辆装有独特仪器的自行车，能够准确测量骑车人-车辆系统的完整动态 [ 21 , 32 ]，包括最
身份和想象行动的统一框架...
摘要 — 我们提出了一个统一的深度学习框架，用于基于脑电图 (EEG) 信号识别用户身份和识别想象动作，以用作脑机接口。我们的解决方案利用一种新颖的移位子采样预处理步骤作为数据增强的形式，并使用矩阵表示来编码多电极 EEG 信号固有的局部空间关系。然后将生成的类似图像的数据输入到卷积神经网络以处理局部空间依赖性，并最终通过双向长短期记忆模块进行分析以关注时间关系。我们的解决方案与最先进的几种方法进行了比较，在不同任务上表现出相当或更优异的性能。具体而言，我们在动作和用户分类任务中都实现了 90% 以上的准确率。在用户识别方面，在已知用户和手势的情况下，我们的等错误率达到 0.39%，在更具挑战性的未知用户和手势的情况下，我们的等错误率达到 6.16%。我们还进行了初步实验，以便将未来的工作引导到依赖于一组精简的 EEG 电极的日常应用。
具有集成刚度的紧凑型气动离合器……
摘要 — 刚度变化和实时位置反馈对于任何机器人系统都至关重要，但最重要的是对于有源和可穿戴设备与用户和环境的交互。目前，对于紧凑尺寸，缺乏提供高保真反馈并保持设计和功能完整性的解决方案。在这项工作中，我们提出了一种新型最小离合器，它集成了刚度变化和实时位置反馈，其性能优于传统的卡住解决方案。我们详细介绍了离合器的集成设计、建模和验证。初步实验结果表明，在最大力密度为 15.64 N/cm 2 时，离合器的阻抗力变化接近 24 倍。我们通过实验验证了离合器在以下方面的表现：(1) 增强软执行器的弯曲刚度，使软操作器的夹持力提高 73%；(2) 使软圆柱执行器能够执行全向运动；(3) 为手势检测提供实时位置反馈，为动觉触觉反馈提供阻抗力。本文介绍了功能组件，重点介绍了集成设计方法，这将对软机器人和可穿戴设备的发展产生影响。
材料基因组学寻找聚变结构材料中可能吸收氦的纳米相
民用聚变需要能够承受聚变等离子体反应堆内部恶劣环境的结构材料。结构材料通常在 14.1 MeV 快中子下嬗变，产生氦 (He)，而氦会使晶界 (GB) 网络变脆。本文表明，具有原子级自由体积的中子友好且机械强度高的纳米相可以具有低 He 嵌入能 emb 和 > 10 at.% He 吸收能力，并且在抵抗辐射损伤和蠕变的基础上特别有利于吸收 He，前提是它们具有与基质相的热力学兼容性、令人满意的平衡润湿角以及足够高的熔点。初步实验证明， emb 是纳米异相材料中 He 屏蔽效力的良好从头算预测因子，因此， emb 被用作计算筛选的关键特征。在此背景下，列出了一系列有望成为良好 He 吸收纳米相的可行化合物，其中考虑了 emb 、中子吸收和活化截面、弹性模量、熔化温度、热力学兼容性以及纳米相的平衡润湿角（以 Fe 基质为例）。
CADRE MoonDB：用于月球探索的多机器人信息共享和地图合并的分布式数据库
我们介绍了 MoonDB，这是一个分布式数据库，旨在支持 NASA 即将开展的“合作自主分布式探测漫游者” (CADRE) 任务的合作机器人探索和分布式测量。MoonDB 存储、共享和融合来自多个机器人的信息，为多智能体规划算法提供对机器人团队的一致视图。它无需假设持续通信，并且通过明智地选择要共享的状态变量以及共享策略和频率来显著限制带宽使用。此外，MoonDB 集成了位姿图优化模块，允许基于精确的定位信息对单个机器人收集的地图信息进行后验重新定位。地图合并和不一致地图信息的协调使用 OpenGL 加速，从而在嵌入式系统上实现出色的性能。总体而言，MoonDB 为 CADRE 的信息共享问题提供了航天质量的解决方案，解决了多智能体系统协调的关键挑战之一。本文介绍了 MoonDB 的设计、指导其开发的基本假设以及增强理解的实施细节。此外，我们还提供了初步实验和分析来验证我们的方法。
解读姓名回忆难题——认知处理和
摘要 本文研究了介绍后立即忘记姓名这一普遍问题，在 458 人的样本中，这一问题的失败率为 89%。我们认为，这种记忆缺失的根本原因不是记忆保留或检索的固有问题。相反，它与一种特定的认知现象有关，即口头信息（姓名）触发了与该姓名相关的先前认识的个体的内部可视化。这种内部图像叠加在新介绍的人的视觉感知上，造成了口头和视觉成分之间的脱节，导致记忆不足。我们认为这不是记忆失败，而是信息分类问题。初步实验表明，在介绍时让个人意识到内部视觉成分，并用本文描述的技术对他们进行训练，可以有效地促进姓名回忆。我们的研究结果揭示了这种被忽视的认知现象，并为认知增强和记忆技能以外的教育带来了新的前景。关键词：认知过程、姓名回忆、记忆保持、视觉联想、认知心理过程、记忆认知现象、认知增强、认知过程模型