XiaoMi-AI文件搜索系统
World File Search System协作的
印度保险的未来 - 有望，创新和协作的故事
创建对年轻人口统计学吸引力的产品。短期特定的小袋装产品提供了针对即时需求（例如旅行，健康或电子保护）量身定制的微型持续保险。嵌入式保险直接在销售点直接整合到产品或服务中，提供无缝和即时保护。旨在涵盖短期等同的每月分期付款（EMI）差距，失业或季节收入波动的产品可确保年轻人的财务稳定性，从而有效解决他们的动态和不确定的经济状况。对于老年人，提供了量身定制的计划，以考虑其特定的健康状况和财务状况。
用于协作的可靠且低延迟同步中间件...
摘要 — 最近的物联网 (IoT) 网络跨越众多固定和机器人设备，即无人地面车辆、水面舰艇和空中无人机，以执行关键任务服务，例如搜索和救援行动、野火监测、洪水/飓风影响评估。实现这些设备之间的通信同步、可靠性和最小通信抖动是模拟和系统级实现的关键挑战，因为基于物理的机器人操作系统 (ROS) 模拟器是基于时间的，而基于网络的无线模拟器是基于事件的，此外还有部署在现实环境中的移动和异构 IoT 设备的复杂动态。尽管如此，在将异构多机器人系统转化为实践之前，物理（机器人）和网络模拟器之间的同步是最难解决的问题之一。现有的基于 TCP/IP 通信协议的同步中间件主要依赖于机器人操作系统 1 (ROS1)，由于其基于主控的架构，它消耗了大量的通信带宽和时间。为了解决这些问题，我们设计了一种新型的机器人和传统无线网络模拟器之间的同步中间件，它依赖于新发布的实时 ROS2 架构和无主数据包发现机制。我们提出了一种地面和空中代理的速度感知传输控制协议 (TCP) 算法，使用数据分发服务 (DDS) 的发布-订阅传输，以最大限度地减少不同机器人代理之间的数据包丢失和同步、传输和通信抖动。我们提出的中间件与特定的机器人和网络模拟器无关，但对于模拟和实验，我们使用 Gazebo 作为基于物理的 ROS 模拟器，使用 NS-3 作为无线网络模拟器。我们对基于 ROS2 的同步中间件，在数据包丢失概率和平均延迟方面进行了广泛的网络性能评估，包括视距 (LOS)/非视距 (NLOS) 和 TCP/UDP 通信协议。此外，为了进行比较研究，我们进行了一项详细的消融研究，用实时无线网络模拟器 EMANE 替换 NS-3，用基于主控的 ROS1 替换无主控 ROS2。我们提出的中间件证明了使用多种固定和机器人设备构建大规模物联网基础设施的前景最后，为了在实践中实现转变，我们在不同的地形上部署了一组不同的真实机器人——一架空中无人机（Duckiedrone）和两辆地面车辆（TurtleBot3 Burger），形成了无主（ROS2）和有主（ROS1）集群，以评估潜在的网络同步和抖动问题。
社论：认知人类机器人互动与协作的神经界面
人类机器人相互作用（HRI）和协作是人耦合机器人系统的主要主题。随着神经技术的发展，已经实施了称为认知人类机器人相互作用的神经界面来实现自然的人类机器人互动和协作。该特刊将致力于认知人类机器人的相互作用，包括与脑电图（EEG）（EEG），带肌电图（EMG）的肌肉信号等等的脑部计算机界面（BCI）等。特刊的重点是与人耦合机器人系统的认知人类机器人相互作用与神经界面的基础和技术。本期特刊所接受了十篇文章，这些文章的内容被描述为如下。随着用于商业应用的脑电图技术的发展，它们的变革潜力需要同样重要的伦理查询。Lopez等。咨询不同的数据库，该数据库介绍了概念性和经验讨论以及有关脑电图的各种商业和道德方面的发现。随后，内容是从文章中提取的，并提供了主要结论。最后，与某些主题领域的专家小组协商进行了对结果的外部评估，例如生物医学工程，生物技术和神经科学。基于bcis的感觉运动节奏（SMR）可以帮助用户使用运动图像执行电动机控制。但是，SMR BCI的控制范式在用户的亚群中可能无法很好地工作。Jiang等。 Wang Z等。Jiang等。Wang Z等。Wang Z等。研究经验丰富的冥想者和冥想的受试者在一维和二维光标控制任务中的行为和电生理差异。证据表明，冥想者在这两个任务中的表现都优于控制对象。此外，冥想者的静息SMR预测因子更高，静息MU节奏更稳定，并且在任务过程中具有更大的控制信号对比度。在动态制造和仓储环境中，工人不受长时间站立或蹲的下肢肌肉疲劳的肌肉疲劳。设计和评估半活性下LIMB外骨骼以减轻肌肉疲劳。外骨骼可以根据臀大肌的EMG和Quadrieceps切换三个不同的模式。进行了三组实验以评估外骨骼的影响，结果表明，外骨骼不仅有效地减少了肌肉疲劳，而且还避免了干扰佩戴者的自由运动。
面向智能制造中人机协作的参考软件架构
随着人工智能软件系统在智能制造领域的普及，此类系统的角色从被动转变为主动，为制造运营商提供特定情境的支持。在欧盟资助的 Teaming.AI 项目的框架内，我们认为人机协作中的团队方面监控、运行时监控和道德政策验证以及对数据和机器学习算法实验的支持是智能制造中人机协作最相关的挑战。基于这些挑战，我们开发了一种基于知识图谱、跟踪和场景分析以及关系机器学习组件的参考软件架构，特别关注其可扩展性。我们的方法使用知识图谱来捕获制造过程中特定于产品和流程的知识，并将其用于关系机器学习。这允许针对制造过程中的行动提供特定情境的建议，以优化产品质量并防止物理伤害。该软件架构的实证验证将与汽车、能源系统和精密加工领域的三家大型公司合作进行。在本文中，我们讨论了这种参考软件架构所面临的挑战，介绍了它的初步状况，并勾勒出了我们在该项目中的进一步研究愿景。
网格计算：释放协作的大数据和计算算法应用程序
OVHCloud US是Ovhcloud的子公司，Ovhcloud是全球参与者和欧洲领先的云提供商，在四大洲的43个数据中心内运营了40万台服务器。已有20多年了，该公司一直依靠一个集成模型，该模型可以完全控制其价值链，从其服务器的设计到其数据中心的构建和管理，包括其光纤网络的编排。这种独特的方法使其能够独立涵盖160万客户在140多个国家 /地区的所有用途。OVHCloud现在，将绩效，价格可预测性和对数据的总权结合起来，以支持其完全自由的增长。
支持意外发现：定性分析中人机协作的机遇与挑战
定性归纳法因其能够生成性地发现深层且情境化的见解而广泛应用于 CSCW 和 HCI 研究，但这些本质上手动且人力资源密集型的过程通常不适用于分析大型语料库。研究人员对将定性方法应用于“大”数据问题的方法越来越感兴趣，希望从大量数据中获得更具普遍性的结果，同时保留定性方法的深度和丰富性。在本文中，我们描述了一项关于定性研究人员的工作实践及其挑战的研究，着眼于这是否是人机协作的合适领域以及成功的协作可能涉及哪些方面。我们的研究结果描述了参与者多样化的方法实践和细微的协作动态，并确定了他们可能从基于 AI 的工具中受益的领域。虽然参与者强调了定性归纳分析的混乱性和不确定性，但他们仍然希望完全掌控整个过程，并认为 AI 不应干预。我们的研究在定性分析的背景下对人机协作中任务的可委派性进行了深入研究，并为尊重偶然性、人类能动性和模糊性的人工智能辅助设计提供了方向。
为未来设计师做好角色创建中人机协作的准备
本文介绍了一项探索性研究的结果，该研究调查了使用 AI 文本生成工具来支持新手设计师创建人物角色的情况。我们为 22 名参加人机交互入门课程的本科生举办了一个研讨会，他们被要求使用 GPT-3 创建人物角色。这些新手设计师能够使用 GPT-3 进行迭代以制作出令人满意的人物角色，尤其是在提供详细提示时。我们的研究结果表明，在 GPT-3 的帮助下创建的角色大多与手动创建的角色相当，但在某些评估维度上的评分较低。该研究还揭示了使用 GPT-3 进行人物角色创建的优点和问题。根据我们的研究结果，我们为新手设计师提出了如何使用文本生成 AI 有效且负责任地创建人物角色的建议。
与任务优先限制的人类机器人共享工作空间协作的软件工具
人类机器人共享工作空间中的一个关键挑战是定义决策标准，以选择浮华，有效和安全的协作的下一个任务。在工业环境中使用机器人时，任务可能符合要执行的优先限制。在机器人独自结束之前，当人无法执行任务时，行业中的优先限制的一个典型例子发生在汇编站。本文介绍了一种基于最大熵逆最佳控制的方法，用于识别人类目标的概率分布，并将其包含在人类机器人共享 - 工作空间协作的软件工具中。软件分析人类目标和目标优先限制，并且能够确定最佳机器人目标以及相对运动计划。所使用的方法是一种用于管理目标优先限制的算法和用于选择下一个机器人动作的部分可观察到的马尔可夫决策过程（POMDP）。与15名参与者进行了比较研究，在现实世界中进行了。该实验的重点是评估任务效果，任务效率和人类满意度。所提出的模型显示机器人闲置时间的减少并增加了人类满意度。
混合人机协作的敏捷新研究框架：信任、透明度和可转移性
我们提出了一个新的研究框架，通过该框架可以在实验环境中探索人机协作这一新兴学科，为转移到现实世界做准备。我们通过敏捷方法的视角研究现有文献和未解答的研究问题，以构建我们提出的框架。我们的框架旨在提供一个结构来理解这个研究领域的宏观特征，支持对人机协作对人类团队成员的可接受性以及人工智能团队成员的承受能力进行整体研究。该框架有可能增强人机混合团队的决策能力和绩效。此外，我们的框架提出了敏捷方法在研究管理和知识发现中的应用。我们提出了一种可转移性途径，用于在安全环境中初步测试混合团队，例如实时战略视频游戏，并将经验教训的元素转移到现实世界中。
XSpace：用于实现空间感知分布式协作的增强现实工具包
增强现实 (AR) 有可能利用环境信息来更好地促进分布式协作，但是，此类应用程序很难开发。我们介绍了 XSpace，这是一个用于创建用于分布式协作的空间感知 AR 应用程序的工具包。基于对现有应用程序和开发人员工具的审查，我们设计了 XSpace 来支持三种创建共享虚拟空间的方法，每种方法都侧重于不同的方面：共享对象、用户视角和环境网格。XSpace 在开发人员工具包中实现了这些方法，还提供了一组免费的可视化创作工具，使开发人员可以预览共享虚拟空间的各种配置。我们提供了五个示例应用程序来说明 XSpace 可以支持开发一组丰富的协作 AR 体验，而这些体验很难用当前的解决方案实现。通过 XSpace，我们讨论了对未来应用程序设计的影响，包括用户空间定制以及共享用户环境时的隐私和安全问题。