国防部支持许多同时执行多项任务的军事平台。船舶、飞机和陆地护卫队等平台支持防空和导弹防御、反潜战、打击行动、支援地面行动的火力、情报传感和侦察等领域的多项任务。然而,人类决策者在分配这些多任务资源时面临着重大挑战,例如战斗节奏、规模和可用平台复杂性的增长。这项顶点研究旨在应用系统工程来分析多任务资源分配 (MMRA) 问题集,以进一步使人工智能 (AI) 和机器学习工具能够帮助人类决策者进行初步和动态重新规划。为了解决这个问题,该研究描述了潜在 MMRA 过程的输入和输出,然后分析了三个独特用例的可扩展性和复杂性:定向能护卫队、航空支援和航母打击群。然后评估这些不同用例的关键发现的相似之处和不同之处,以进一步了解联合 AI 支持的 MMRA 工具的共性。
多标签属性识别是计算机视觉中的一项关键任务,应用程序范围在不同的领域。这个问题通常涉及检测具有多个属性的对象,需要具有高级差异和精细的特征提取的复杂模型。对象检测和属性识别的集成通常依赖于诸如双阶段网络之类的方法,其中准确的预测取决于高级特征提取技术,例如感兴趣的区域(ROI)池。为了满足这些要求,在统一框架中既可以实现可靠的检测和属性进行分类,这是必不可少的。这项研究介绍了一个创新的MTL框架,旨在将多人属性识别(MPAR)纳入单模型体系结构中。命名为MPAR-RCNN,该框架通过空间意识到的,共享的骨干,促进效果和准确的多标签预测来符合对象检测和属性识别任务。与传统的基于快速区域的卷积神经网络(R-CNN)不同,该网络(R-CNN)分别管理人的检测和归因于双阶段网络的分类,MPAR-RCNN体系结构在单个结构中优化了两个任务。在更宽的(用于事件识别的Web图像数据集)数据集上进行了验证,提出的模型展示了对当前最新ART(SOTA)体系结构的改进,展示了其在推进多标签属性识别方面的潜力。
多任务处理是一种被广泛研究的现象,近年来由于现代技术的发展而引起了人们的兴趣。执行多项任务需要分散认知功能的行为一直存在,但由于开车时发短信的普遍性和与之相关的危险,这种行为变得越来越普遍。由于人们认为在操作机器时多任务处理存在风险,许多州都出台了法律来防止这种行为,但除了发短信和开车的高风险情况外,人们很少探索在低风险环境下进行任务处理的效果,以评估其成本和收益。以前测试多任务处理效果的方法主要是在驾驶和学业成绩的背景下,并得出结论,从事多项活动会影响认知功能。然而,人们较少关注对家庭环境中分心影响的可量化和客观衡量标准。本研究的目的是使用认知评估工具 Brain Gauge,通过纳入不同类型的媒体作为干扰因素,研究多任务处理的强度和类型与认知处理之间的关系。这项研究通过测试受试者同时执行一系列有趣但平凡的任务时的反应时间来探索这一点。最终发现,与对照组相比,看电视时的反应时间有显著的变化。这项研究的结果可以用来更好地了解多任务处理如何影响认知功能,并有助于确定在做作业和开车等重要任务时是否应该避免多任务处理。
简单而廉价的交互在任何虚拟环境 (VE) 的操作和探索中都起着关键作用。在本文中,我们提出了一种交互技术,该技术以简单且计算成本低廉的方式为复杂对象提供两种不同的交互方式(信息和控制)。交互基于以专门的方式使用多个嵌入式标记。所提出的标记就像一个交互外围设备,其工作原理就像一个触摸支付,可以在 3D VE 中执行任何类型的交互。所提出的标记不仅用于与增强现实 (AR) 交互,还用于与混合现实交互。开发了一个生物虚拟学习应用程序,用于评估和实验。我们分两个阶段进行了实验。首先,我们将一个简单的 VE 与所提出的分层 VE 进行了比较。其次,对所提出的标记、一个简单的分层标记和多个单个标记进行了比较研究。我们发现所提出的标记具有更好的学习效果、交互的简易性以及相对较少的任务执行时间。与简单的 VE 相比,结果显示分层 VE 的学习效果有所改善。
在 21 世纪,尽管面临着多重任务的漩涡,女性企业家如何改变和挑战人们对职业成功的传统理解?在当今的数字世界中,需要哪些知识和技能才能专业发展并成为一名成功的企业家?阻碍女性充分发挥潜力或甚至阻止她们开始创业生涯的主要障碍是什么?有关女性创业计划、技能、特点、属性、动机和领导风格的当前文献综述(2011-2019 年),记录了成功策略和面临的障碍,结果表明情况并没有太大改变。女性企业家继续面临着多重任务的漩涡,以及缺乏资金、营销技能和支持服务,包括难以进入商业网络、技术和数字市场。尽管大量女性进入了男性专属领域,但玻璃天花板并未被打破。另一方面,发达国家和发展中国家都已认识到,女性的创业活动有助于社会经济增长,充分利用所有人力资源的潜力对于可持续发展至关重要。21 世纪的研究——就像 20 世纪后期的研究一样——继续关注创业中的性别差距以及如此重视的事业与家庭之间的平衡,同时仍认为需要进一步的研究。他们还一致认为,成功的创业需要数字技能以及创新动力。成功的企业家,或者用 Elias G. Carayannis 和 McDonald R. Stewart (2013) 创造的一个术语和概念来说,无论性别如何,“杰出的企业家”都是创新者;有远见的人;预测和塑造未来的人;采取主动行动;接受变化、风险和失败;从中吸取教训;看到别人看不到的东西,等等。因此,本研究呈现了改变和赋权的生活快照。它包括了做出过贡献的“杰出”女企业家(Carayannis & Stewart 2013)的工作和故事。现在是不是该介绍一些鼓舞人心的榜样了,尤其是那些在创业世界、蓝色经济和银色经济中表现出色的人?
图表目录.......................................................................................................................................................................................................................................................................................................................................................................................................................... xvii
本文提出了一种用于空中操纵器的控制方案,该方案允许解决不同的运动问题:最终效应器位置控制,最终效应器轨迹跟踪控制和路径遵循控制。该方案具有两个级联的控制器:i)第一个控制器是基于数值方法的最小范数控制器,它仅通过修改控制器引用就可以解决三个运动控制问题。另外,由于空中操纵器机器人是一个冗余系统,即,完成任务具有额外的自由度,可以按层次顺序设置其他控制目标。作为控制的次要目标,提议在任务过程中维持机器人臂的所需配置。ii)第二个级联控制器旨在补偿系统的动力学,其中主要目的是将速度误差驱动到零。提出了机器人系统的耦合动态模型(己谐和机器人臂)。该模型通常是根据力和扭矩的函数开发的。但是,在这项工作中,它是参考速度的函数,这些速度通常是这些车辆的参考。通过相应的稳定性和鲁棒性分析给出了提出的对照算法。最后,为了验证控制方案,在部分结构化的环境中进行实验测试,其空中操纵器与空中平台和3DOF机器人臂相符。
摘要 多任务处理情况(例如开车时使用手机)在日常生活中越来越常见。实验心理学早已记录了多任务处理对任务表现的影响;然而,人们对其对监控此类表现的元认知过程的影响知之甚少。本研究通过将心理物理程序与复杂的多任务处理相结合,朝着填补这一空白迈出了一步。我们设计了一个多模式范式,其中参与者分别或同时执行感觉运动跟踪任务、视觉辨别任务和听觉 2-back 工作记忆任务,同时每约 15 秒评估一次他们的任务表现。我们的主要发现是,多任务处理降低了参与者对这三个任务的表现(元认知敏感性)的意识。重要的是,这一结果与多任务处理对任务表现的影响无关,不能归因于信心流失、心理不应期或自我评价的近期效应。我们讨论了这一发现对元认知和多任务处理研究的意义。
职业应用 复杂而动态的环境包括军事行动、医疗保健、航空和驾驶,要求操作员在不同程度的心理工作负荷之间无缝转换。然而,人们对工作负荷增加的速度如何影响多任务处理性能知之甚少,尤其是在现实任务中。我们评估了无人机 (UAV) 指挥和控制试验台的动态多任务环境中工作负荷的逐渐增加和突然增加,并将其与恒定工作负荷进行了比较。与工作负荷保持在低或高水平时相比,发现工作负荷转换可以提高响应时间和准确性。这些结果表明,工作负荷转换可以让操作员更好地调节心理资源。这些发现还可以为操作和技术的设计提供信息,以协助操作员管理认知资源,包括消除低工作负荷期间警惕性下降和高工作负荷期间数据过载的不利影响。
洛克希德·马丁公司先进产品解决方案副总裁 Rick Cordaro 表示:“洛克希德·马丁公司和美国海军在开发和提供颠覆性激光武器系统方面有着共同的愿景和热情。HELIOS 提高了舰船的整体作战系统效能,以遏制未来的威胁并为水兵提供额外的保护,我们明白,我们必须提供根据海军优先事项定制的可扩展解决方案。HELIOS 为逐步交付强大而强大的激光武器系统能力奠定了坚实的基础。”