XiaoMi-AI文件搜索系统
World File Search System动感
scone：一种具有主动感知的食物挖掘机器人学习框架
摘要：由于食物的复杂状态和多样化的物理特性，有效地挖出食品对当前机器人系统构成了重大挑战。为了应对这一挑战，我们相信将食品编码为有意义的有效食品的重要性。然而，食品的独特特性，包括可变形，脆弱性，流动性或粒度，对现有表示构成了重大挑战。在本文中，我们以隐式方式提出了积极感知来学习有意义的食物代表的潜力。为此，我们提出了Scone，这是一个食品搜索机器人学习框架，利用从积极的掌握中获得的表示形式来促进食品可铲政策学习。Scone包括两个Crucial编码组件：交互式编码器和状态检索模式。通过编码过程，Scone能够捕获食品的特性和重要的状态特征。在我们的现实世界中的实验中，Scone在三种不同的难度水平上使用6种以前看不见的食品时，成功率具有71％的成功率，超过了最先进的方法。这种增强的性能强调了Scone的稳定性，因为所有食品始终达到超过50％的任务成功率。此外，Scone可容纳各种初始状态的令人印象深刻的能力使其能够精确评估食物的当前状况，从而导致了令人信服的成功率。有关更多信息，请访问我们的网站。
手动感知中的偏见是由体感计算驱动的，而不是扭曲的手模型Peviani，V.C。； L.E.C. Miller； Medendorp，W.P。 2024，ar
为了感知环境中的对象并互动，我们毫不费力地在所需的位置配置了我们的figertips。因此，可以合理地假设潜在的控制机制依赖于有关我们的手和纤维的结构和空间维度的准确知识。然而，这种直觉受到了多年的研究挑战，表明纤维几何学的感知中存在巨大的偏见。1–5这种感知偏见被视为证据表明大脑对人体的内部表示被扭曲，6导致了关于我们行为熟练的明显悖论。7在这里，我们对手工感知的偏见提出了另一种解释，这是噪音的贝叶斯整体的结果，但是关于纤维几何和姿势的无偏见，无偏的体感信号。为了解决这一假设，我们将贝叶斯反向工程与索引填充剂的关节和填充定位进行的行为实验相结合。，我们以感觉或在空间坐标中对贝叶斯的整合进行了建模，表明后一种模型变体导致了纤维感知的偏见，尽管有准确表示纤维长度。关节和纤维化定位响应的行为度量显示出相似的偏见，这些偏见是由空间基的，但不是基于感觉的模型变体所填充的。空间模型变体还优于具有内置几何偏差的失真手模型。总的来说，我们的结果表明，纤维几何形状的感知失真不会反映扭曲的手模型，而是源自几乎最佳的贝叶斯对体感信号的推断。
皮层内脑机接口的主动感
7 8 Andrea Serino* 1,2, , Marcie Bockbrader* 3 , Tommaso Bertoni 1 , Sam Colachis 3p,4c , Marco 9 Solca 2 , Collin Dunlap 3,4 , Kaitie Eipel 3p , Patrick Ganzer 4 , Nick Annetta 4 , Gaurav 10 Sharma 4p,9c , Pavo Orepic 2 , David Friedenberg 4 , Per Sederberg 5 , Nathan Faivre 2,6 , Ali 11 Rezai** 7 , Olaf Blanke** 2,8 12 13 1 MySpace 实验室，临床神经科学系，洛桑大学医院 14 (CHUV)，洛桑，瑞士； 2 瑞士日内瓦联邦理工学院 (EPFL) 大脑思维神经修复研究所和中心认知神经科学实验室，生物技术校区；3 美国俄亥俄州哥伦布市俄亥俄州立大学物理医学与康复系；4 美国俄亥俄州哥伦布市巴特尔纪念研究所医疗器械与神经调节系；5 美国弗吉尼亚州夏洛茨维尔市弗吉尼亚大学心理学系；6 格勒诺布尔阿尔卑斯大学、萨瓦大学勃朗峰分校，CNRS，LPNC，38000 格勒诺布尔，法国；7 美国西弗吉尼亚州摩根敦市西弗吉尼亚大学洛克菲勒神经科学研究所；8 瑞士日内瓦大学医院神经病学系；9 美国俄亥俄州代顿市空军研究实验室。 24 25 * 这些作者的贡献相同；** 这些作者共同指导了这项工作。 26 p 工作时的先前隶属关系；c 当前隶属关系 27 28 29 * 这些作者的贡献相同；** 这些作者共同指导了这项工作。 30
主动感测以改进模型学习的数据质量
摘要 - 在机器人技术的机器学习中，培训数据质量具有至关重要的作用。许多方法都使用利用算法来选择模型最有用的数据点，通常会忽略测量噪声对数据的影响。本文介绍了一种增强模型学习数据集质量的方法，优化了探索和主动传感指标的组合。我们介绍了一种基于高斯工艺的新型探索格拉米亚度量，预测协方差矩阵，优化以探索有关未知模型的知识最大的状态空间区域。这些与主动传感度量（gramian）集成在一起，以减轻测量噪声效应。通过在独轮车和四倍的机器人上进行模拟来证明这种方法的有效性，证实了组合主动感应和探索可以显着提高模型学习中的性能。
构建具有互动感知的负担能力图
机器人需要了解他们的环境才能执行其任务。如果可以在封闭环境中预先编程的视觉场景分析过程，则在开放环境中运行的机器人将从与环境的互动中学习它的能力。此功能进一步为获得提供的图表开辟了道路，在该图中，机器人的动作能力结构了其视觉场景的理解。我们提出了一种方法，通过依靠互动感知方法和在线分类来建立此类负担图地图，并为配备两个具有7个自由度的武器的真正机器人进行在线分类。我们的系统是模块化的，可以从不同技能中学习地图。在提议的负担形式化中，行动和效果与视觉特征有关，而不是对象，因此我们的方法不需要事先定义对象概念。我们已经在三个动作原语和真实的PR2机器人上测试了该方法。
FDSOI 技术中关键路径老化的活动感知预测
摘要 — 现代 CMOS 技术（例如 FDSOI）受到严重老化效应的影响，这种老化效应不仅取决于与纳米级技术相关的物理问题，还取决于电路环境及其运行时活动。因此，很难为关键路径估计建立可靠的先验保护带，通常会导致较大的延迟损失（从而导致性能损失）或过短的工作寿命。在本文中，我们提出了一种使用机器学习技术的方法来获得近关键路径老化的可靠预测。从一组有限的测量和模拟数据开始，我们的框架能够根据物理参数、环境条件和电路活动准确估计关键路径延迟随时间下降的情况。此外，还应用相应的回归模型来获得动态老化感知的操作性能点选择策略。
人类味觉感知：脑机接口 (BCI) 及其作为味觉驱动感官研究工程工具的应用
摘要 感官满足是消费者接受的关键，也决定了任何食品在市场上的成功。虽然外观、气味和质地等不同的感官参数被认为是决定食品整体可接受性的因素，但味道起着重要作用。由于感官小组不能真实反映消费者的味觉感知，因此行业专注于市场调查。实际上，消费者的味觉感知因产品成本、品牌以及他们的年龄和健康状况而异。食物品尝的过程从舌头开始，不同的味觉受体对各种味觉刺激作出反应，并将信号传递到大脑区域的皮层。这些信号导致电流流过大脑神经网络，并增加特定大脑区域的含氧血液利用率。使用脑电图、脑磁图、功能性磁共振成像和脑机接口 (BCI) 技术等非侵入式设备，可以感知这些信号并将其解码为有用的感官数据。这篇综述解释了不同味觉刺激的味觉识别途径以及 BCI 技术检测和区分它们的基本步骤。此外，它还探索了与BCI相关的味觉驱动感官研究及其相关的限制因素，以成为未来的感官方法。
互动感知的轨迹维修符合正式的交通规则
摘要 - 符合条件的合规性对于自动车辆的运动计划至关重要。如果最初计划的轨迹vi-Olates traffirfimful fraffim fraffim fraffim，则建议修复它，而不是完全对其进行补充以节省计算时间。然而，没有轨迹修复框架可以考虑交易参与者之间的相互作用，这可能导致保守的驾驶行为。为了解决这个问题，我们第一次提出了基于游戏理论的互动感知轨迹修复算法。我们的新型算法预测了修复轨迹对其他交通参与者的影响，然后以最佳结果执行轨迹候选者。为了证明我们的维修机制，我们将其集成到一个后退的运动计划框架中。使用CommonRoad基准套件对我们的方法进行评估，表明与互动 - 纳维尔修复策略相关联 - 我们的方法避免了不必要的保守驾驶行为，并实现了更高的维修率。
sutterby nanofluid的生物转化流，可拉长片上有动感微生物：指数变化的粘度
摘要。目前的工作研究了纳米材料和微生物的存在在可伸缩的表面上不可压缩的非牛顿sutterby液体的生物概要转向运动。液体在整个泄漏区域流动，并受均匀垂直磁场的影响。除了指数空间的热源外，欧姆和非牛顿耗散还建立了能量扩散，而纳米材料的传播则可以通过化学反应到达。物理构型被力，温度，纳米体积分数和微生物的公式以及适当的边框标准覆盖。这项工作的新方面由于考虑了粘度与温度，微生物和纳米颗粒的指数分布的考虑。此外，鉴于其较大的应用范围，微生物在流过拉伸表面的流程中的参与增加了另一个创新的特征。非线性部分差分公式的最重要格式被转换为普通的，提供合适的匹配转换器。这些公式通过四阶runge-kutta数值技术进行了审查，并支持拍摄标准。因此，实现了客观分布的算术和图形基础。检查结论，并总结了重大结果。从结果中完成了几种重要的身体。热轮廓改善了有效的因素，这是可以在各种含义中采用的出色规则。微生物的积累随着粘度变化的增加而增加，而随着小子，刘易斯数量和生物对流常数的增长，它会降低。此类发现可能对通过相似的流量期望这些微观生物的行为有用。