该博士职位将集中于研究实现机器人系统的研究,这些机器人系统大多以无监督的方式表征和监测海洋环境。自主系统可以在海洋中进行具有成本效益的广泛数据收集,监视和检查,并为执行持续操作的可能性较少,而对人类运营商的依赖较少。这些属性使自主系统对于执行操作以探索,映射和监视具有挑战性的海洋环境的机器人组织是可取的。但是,在非结构化和苛刻的海洋中,成功的任务需要通过优化的观察平台系统和监督风险控制来提高安全性,智能和操作能力,该操作是在保障项目中解决的(“智能自治系统,用于保护海上的保护操作和基础设施””。该立场对正在进行的项目保障和CARO(“自动机器人操作中心海底”)中的研究补充,这些研究正在开发类似的功能,重点是海底基础架构。具体来说,该职位将解决这些领域的一个或多个:
高等教育中生成聊天机器人的出现为教学和学习提供了变革的机会。使用AI驱动的工具,例如OpenAI的GPT和类似的模型,教育工作者可以探索提供内容,协助研究和提供个性化学习经验的新方法。但是,这些创新具有重大的道德意义。本文探讨了生成性聊天机器人作为教学工具的潜力以及与学术界使用相关的道德问题。在高等教育的背景下检查了学术完整性,AI模型中的偏见,人类教育者的作用以及学生数据的隐私。通过探索机会和挑战,本文旨在提供有关机构如何负责任地采用这些技术以增强学习的见解,同时维护道德标准。
了解人类的社会行为对于综合愿景和机器人技术至关重要。微观的观察(例如,分裂行动)不足,需要采取一种全面的方法来考虑个人行为,组内动态和社会群体层次,以彻底理解。要解决数据集限制,本文引入了JRDB-Social,JRDB的扩展[2]。旨在填补跨室内和室外社会环境的人类理解的空白,JRDB-Social提供了三个层次的注释:个体属性,组内侵入和社会群体环境。该数据集旨在增强我们对机器人应用的人类社会动态的理解。利用最近的尖端多模式大型语言模型,我们评估了我们的基准,以表达其破译社会人类行为的能力。
职业应用疲劳以及许多其他人类绩效因素,影响工人的健康状况,从而产生了生产质量和效率。采用行业5.0观点,我们建议将人类绩效模型整合到更广泛的工业系统模型中可以提高建模准确性并带来卓越的成果。将我们的工人疲劳模型整合为其工业系统建筑师模型的一部分,使领先的飞机制造商Airbus可以更准确地预测系统的性能,这是劳动力妆容的函数,这可能是人类工人和机器人的组合,或者是经验丰富且经验丰富且经验丰富且经验丰富的工人的组合。我们的方法证明了将人类绩效模型包括在商店地板上引入机器人的重要性和价值,可用于在工业系统模型中包括人类绩效的各个方面,以满足特定的任务要求或不同级别的自动化。
跨视图图像地理位置定位旨在通过用GPS标记的卫星图像补丁绘制当前的街道视图图像来确定户外机器人的位置。最近的作品在识别卫星贴片中达到了显着的准确性,该卫星贴片在机器人所在,其中将中央像素在匹配的卫星贴片中用作机器人粗糙位置估计。这项工作着重于机器人在已知的卫星贴片中的细粒度定位。现有的细颗粒定位工作利用相关操作来获得卫星图像本地描述符和街道视图全局描述符之间的相似性。基于衬里匹配的相关操作简化了两个视图之间的相互作用过程,从而导致距离误差很大并影响模型的概括。为了解决这个问题,我们设计了一个具有自我注意力和跨注意层的跨视图功能fu-sion网络,以取代相关操作。此外,我们将分类和回归预测结合在一起,以进一步降低位置距离误差。实验表明,我们的新型网络体系结构的表现优于最先进的,可以在看不见的地区更好的概括能力。具体而言,我们的方法在同一区域和在活力基准的同一区域和看不见的区域中分别将中位定位距离误差降低了43%和50%。
·尽管技术初创公司的资金总体下降,但在过去三年中,对机器人技术的早期投资(种子和A系列)比后期投资要好。这反映了投资者对尾风创造机会的兴奋。AI的进步,硬件成本下降以及劳动力短缺正在推动经验丰富且有才华的创始人创建新的机器人公司业务。启动加速器Y Combinator是早期阶段投资活动的长期以来,将机器人技术作为其2024年同类群体的重点领域之一。
制服政策和计划更新 - 2024 年 2 月 NAVADMIN 031/24 | 情况说明书 本 NAVADMIN 宣布了海军制服政策的更新。这些更新是根据水手的反馈、指挥部赞助的请求和海军领导层的指示得出的。政策更新包括授权将手放在制服口袋和体能训练服的紧身裤中,以及恢复女性可选的晚礼服头饰和女性可选的组合罩(桶形)。正在进行的举措包括继续为怀孕水手提供免费制服的产妇试点计划、尺寸现代化计划和制服调查。阅读 NAVADMIN 031/24 以获取完整的更新列表。战士的坚韧,锻炼你的思想、身体和精神
尽管在日常任务中对弱势群体(例如,老年人,儿童和残疾人)的辅助技术有很大的需求,但对高级AID辅助解决方案的研究确实满足了他们的各种需求,这仍然很少。传统的人机互动任务通常需要机器来简单地帮助您对人类能力和感觉的细微差别,例如他们进行实践和学习的机会,自我改善感和自尊心。解决这一差距时,我们定义了一个关键而新颖的挑战智能帮助,旨在为各种残疾人的人提供积极主动而自适应的支持,并在各种任务和环境中提供动态目标。为了确定这一挑战,我们利用AI2- [32]来构建一个新的互动3D实体家庭环境,以完成智能帮助任务。我们采用了一个创新的对手建模模块,该模块对主要代理的能力和目标有细微的理解,以优化辅助代理人的帮助政策。严格的实验验证了我们的模型组件的功效,并显示了我们整体方法与已建立基线的优越性。我们的发现说明了AI所辅助机器人在改善弱势群体的福祉方面的潜力。
SeaPerch 是一个创新的水下机器人项目,它为教师和学生提供在校内或校外环境中建造水下遥控机器人 (ROV) 所需的资源。学生使用由低成本、易于获取的零件组成的套件建造 ROV,并遵循教授海洋工程主题的基本工程和科学概念的课程。在整个项目过程中,学生将学习工程概念、解决问题、团队合作和技术应用。团队在每年变化的任务以及障碍赛、演示、技术设计报告等中相互竞争。
虽然有些机器人教育计划可用于小学和中学生(例如,Botball,First和vex),这些计划通常作为补充活动提供,通常需要额外的费用,并且需要留在放学后。因此,这些计划通常仅受益于狭窄的学生。机器人教育目前只达到一小部分学生,为了我们的国家,必须使社会更广泛的部分可以进入。简单的机器人(例如Arduino Bots)可以像图形计算器一样廉价,并为学生提供动手的介绍性电气和机械工程经验,以及编码和理解机器人视觉。对幼儿园像幼儿园一样年轻的儿童的教育机器人学计划存在,但他们并未融入课程中。从小就激发了我们国家青年的机器人的创造性和智力兴趣对于维持机器人技术的劳动力并保留美国在机器人技术和AI开发方面的领导才能至关重要。