XiaoMi-AI文件搜索系统
World File Search System双胞胎
实时数字双胞胎具有用于工业操纵器应用的加固学习：在NVIDIA ISAAC健身房的ABB Yumi机器人数字双胞胎设计和建筑RL应用程序
工业部门正在经历一个变革阶段，随着先进的机器人技术和人工智能（AI）技术的整合。本论文，探讨了数字双技术的协同应用以及增强学习在增强工业环境中机器人操纵器的效率和适应能力方面的应用。这项研究的核心前提重点是解决动态和复杂工业环境中手动程序方法的局限性。手动编程通常缺乏在各种且无法预测的环境中有效操作所需的适应性和学习能力。加固学习的合并使机器人操纵者能够通过与环境的互动来学习和调整，从而提高了运营效率，并最大程度地减少了对广泛编程工作的需求。数字双胞胎是物理环境的数字虚拟复制品。这允许在受控的，无风险的设置中对机器人操纵器行为进行模拟，分析和优化。将数字双胞胎与增强学习的集成能够对机器人系统进行有效的培训，从而使他们能够学习复杂的任务并适应新场景，而无需与现实培训相关的身体磨损和风险，并设置了环境。研究方法涉及开发数字双胞胎模拟环境，强化学习算法在此环境中的机器人操作器中的应用，并引起了学习任务转移能力对现实应用程序的重要性。该研究还研究了与数字双胞胎和加强学习技术相关的挑战。预期的结果包括提高机器人操纵器在工业应用中的适应性和效率，从而减少了为特定任务提供机器人所需的时间，成本和资源。此外，预计自动驾驶机器人操作的安全性和可靠性增强。这项研究旨在证明强化学习和数字双技术在转变工业机器人技术方面的潜力，从而为机器人应用提供了更具灵活，高效和智能的开发过程。本文对工业自动化的未来具有重要意义，为更适应性，高效和智能机器人系统提供了一种途径。通过利用AI和模拟技术的最新进步，它旨在为工业机器人技术的发展做出贡献，为更先进的工业解决方案铺平道路。
项目标题：心脏数字双胞胎中的公平性
数字双胞胎的患者心脏有可能实现个性化治疗并改善患者预后。只有可以从患者数据（例如图像）中有效地创建数字双胞胎的方法，才能充分实现这种潜力。已经在使用最先进的人工智能（AI）技术实现这一目标的努力。但是，最近的工作表明，在接受人口统计学不平衡数据集训练时，用于图像分析的AI工具可能会遭受隐藏的偏见，即他们可能是“不公平的”。例如，根据模型的训练数据中这些受保护组的分布，AI心脏图像分割模型可以表现出不同性别和种族的不同水平的性能。尚未研究基于数字双胞胎的基于AI的偏见，这依赖于这种技术。该项目将进行第一次此类调查，并将重点放在心脏病学领域。项目描述
智能农业的数字双胞胎的概念建模
在不断变化的物理实体，过程和应用技术解决方案的对象中的抽象复杂性是智能农业快速发展的关键障碍。作为表示形式，数字双胞胎具有许多目的：自动化过程，改善特定过程的决策以及促进各种情况的模拟。从利益相关者的角度来看，确定的方法降低了复杂性，并将重点放在基本主题，对象和过程上。本文的作者提出了一个面向观点的主题 - 对象元模型（Viposom），该模型可以为智能农业提供数字双胞胎解决方案开发的初始要求。主要思想是确定生命周期内特征和关系中具有特征和关系的主要对象。这种方法的新颖性在于确定对象/实体的感应要求。该方法针对农业物理实体，随着时间的流逝改变了其结构和行为。是“物理实体”，作者是指农作物和蔬菜等文物。本文还描述了所提出的方法在小型实验领域中使用马铃薯植物的活实验室的现实应用。与制造或土木工程中的数字双胞胎不同，农业对象在物理实体的内部变化（对象）方面面临重大不确定性，该物体的内部变化定义了使用时间尺度和开发阶段作为数字对象中物理实体的主要特征的方法的必要性。
欧洲网络将开发虚拟双胞胎技术，用于房颤患者的个性化卒中管理：TARGET 联盟
该项目恰逢其时——虚拟双胞胎、人工智能、计算机模拟试验和相关技术在医疗保健应用中越来越普遍，利用了学习型健康系统模型方法。旨在增进我们对 AF 理解的人工智能和机器学习出版物呈指数级增长，这主要得益于深度神经网络的进步和大型开放获取数据库的可用性。9 TARGET 将利用这一点和技术的成熟，进一步推进个性化护理方向的工作。该项目涵盖的时间表包括 (i) 个性化模型和决策支持工具的开发，(ii) 这些模型和工具的验证（包括计算机模拟试验），以及 (iii) 对新收集的数据（来自观察性临床研究）进行测试，所有这些都有患者、医疗保健专业人员和相关利益相关者的参与（共同开发和评估）。
项目名称：用于管理瓣膜心脏病的心血管数字双胞胎
瓣膜心脏病是一种威胁生命的疾病，会影响老年人口的份额增加。在过去十年中，临床界内的新事态发展意味着现在可以用最少的侵入性进行病患心脏瓣膜的修复或更换。另一方面，接受这些手术的200K+患者中，多达50％的心脏功能没有改善。恢复过程中涉及的过程是复杂且多因素的，呈现心血管血流动力学和心肌力学。该项目旨在使用患者心血管系统的数字双（DT）来预测对介入阀程序的反应。我们将建立一个新的DT框架，结合深度学习，多尺度生物物理建模和图像分析技术。将此模型应用于多模式患者数据集，我们将优化预测准确性并在看不见的数据集上进行测试。项目描述
项目标题：用于预测治疗后结果的数字双胞胎
尽管在材料科学中广泛使用，并且最近对医疗领域的兴趣很大，但数字双胞胎的出版物不到10％提到了大脑。却能够预测大脑对人体癌症化学疗法等干预措施的反应，或者在大脑本身上进行癫痫手术以阻止癫痫发作，这是非常有价值的。我们最近获得了两个非常大的（106厘米）的视野正电子发射断层扫描（PET）“ Total Body”（TBP）扫描仪的资金。现在，由于肿瘤学的原因扫描身体的其余部分时，他们将定期将大脑包括在视野中，相反，当大脑被扫描时，将包括大部分身体，例如癫痫手术前。在这个项目中，我们将首先利用通过TBP收集的额外信息来模拟脑FDG分布的身体决定因素。然后将应用这些模型来预测对化疗和癫痫手术的反应。项目描述
项目标题：用于护理设置中自适应机器人的数字双胞胎驱动的认知体系结构
该项目从一个患有运动神经元疾病的人安东尼·沃尔什（Anthony Walsh）的家中进行的服务机器人的试验中汲取灵感。在审判期间，安东尼传达了这种疾病如何极大地影响了他的身体和情感健康，并分享：“这是非常非常难以应付的，尤其是因为这意味着我失去了行动能力。我必须取决于他人，这不是我的人。我非常非常独立。”安东尼还提出了一个愿景，即辅助机器人如何以有限的流动性为像他这样的人提供支持，他说：“诸如拿起纸巾，打开冰箱并从架子上取回物品之类的事情。它使您有所帮助。它将为他人准备时间，这样他们就不必总是在您的贝克上打电话，让他们有自己的时间返回。”这强调了辅助机器人可以提供的至关重要的独立性，尤其是在照顾有局限性的人辅助机器人对社会抱有巨大的希望，提供了潜在的好处，例如扩大社会护理服务，促进独立性和减少孤独感。仍然存在一个批判性的挑战：当今的机器人仍然很难理解，预测和适应其人类伴侣的细微行为。人类的行为是丰富，多样化的，而且通常是不可预测的。虽然操纵等任务受益于广泛的Internet规模数据集，但人类机器人相互作用却没有等效。然而，最新运动合成的发展提出了令人兴奋的解决方案。收集有关人类机器人相互作用的数据是昂贵，复杂的，并带来了道德和隐私挑战，尤其是在诸如个人护理之类的敏感环境中。基于变压器或扩散技术的模型表明它们可以使用最小输入（例如文本命令或用户定义的轨迹）生成现实的人类行为。这些进步开放的机会以数字方式模拟人类行为，从而创建了人类和机器人的“数字双胞胎”。这样的仿真可以为机器人提供多种多样的受控培训环境，从而使它们能够在现实世界中部署之前发展自适应行为。
项目标题：开发数字双胞胎，以帮助接下来 -
项目描述当前的商业上可用机器人支气管镜系统需要由一支高技能运营商的团队（包括顾问，注册服务商和受过训练的护理人员）操作。这是因为系统需要实时临床医生控制，以引导支气管镜通过肺部到达所需的位置。此外，这些系统昂贵，笨重，需要同时进行成像以优化诊断产量。这些因素的组合导致迄今为止技术的采用有限。同时，对这种技术以改善肺癌诊断的需求迅速增加。肺癌是英国癌症死亡的最常见原因：每年有43,000多人被诊断出患有该疾病，其中大多数在III期或IV期。当前的5年生存率分别为在第三阶段或IV阶段诊断的患者为15％和5％。如果可以较早诊断出肺癌，则可以大大降低死亡率；最早的疾病的5年生存率高达92％。但是，要活检并有可能治疗这些早期结节，需要下一代技术来可靠地到达结节位点并成功进行活检。最近的技术发展为完全自动化的支气管镜工具提供了机会，并保证了系统稳定性，精确定位到当前难以到达的区域，并可靠地从小结节中获取活检样品。此工具将利用新型的软机器人技术，包括连续机器人，以及它们独特的灵活结构，可以穿越天然
白皮书 - 数字双胞胎：明天的生产
收费...................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................