XiaoMi-AI文件搜索系统
World File Search System意图
使用人工智能理解搜索意图
Aritra Mandal 是 eBay 搜索团队的应用研究员。他专注于搜索质量，并利用 AI/ML、结构化数据和知识图谱来改进为 eBay 市场提供支持的搜索引擎。Aritra 获得了伯拉理工学院的计算机科学学士学位以及印第安纳大学-普渡大学印第安纳波利斯分校的计算机和信息科学硕士学位。
战略意图：一种概念方法
战略意图描述了“一种积极的管理过程，它通过传达价值、允许个人贡献和利用意图指导资源分配来关注激励”（G. Hamel & CK Prahalad，1989）。主动管理过程有三个雄心勃勃的目标：1. 抓住成功的本质；2. 在较长时期内稳定意图；3. 设定一个值得个人努力和承诺的目标（G. Hamel & CK Prahalad，1989）。除了这一共识之外，现有文献中对战略意图的概念化已经朝着多个不同的方向发展。它被称为一种修辞手段（Mantere & Stillince, 2007）、首席执行官远见（Burgelman, 1996）、高层管理决策（Burgelman & Grove, 1996）以及拥有更高组织目标的状态（Hart, 1992）或“命运感”（Gary Hamel & Prahalad, 1994a, 1994b）。
基于意图的正式轨迹描述语言
摘要 — 本文介绍了一种改进的意图相关形式语言层次结构，用于描述飞机轨迹。这些语言允许在不同级别上完整或部分地指定飞机轨迹，本文所述功能的扩展使其适用于定义更复杂的任务，例如无人驾驶汽车或军用飞机的任务。本文对每种语言的词汇、语法和图形表示细节进行了完整的描述，并通过一组具有不同粒度的飞行规范的清晰示例展示了它们的适用性。所描述的语言层次结构已被证明是一种适合描述具有不同详细程度和不同应用的飞机轨迹的框架。它的多功能性和灵活性通过一组识别特征操作示例的场景得到证明。索引词 — 空中交通管理；形式语言；飞机意图；飞行意图；轨迹计算
2023 - 2025 年战略意图
我们的价值观................................................................................................................................ 3
国家安全技术创新交易所战略意图
我很自豪能够领导新成立的国家安全技术与创新交流中心 (NSTIx)，该中心于 2021 年成立，旨在帮助英国政府应对这一国家安全挑战。在第一年，我们就建立了一个多学科团队，在政府内部发挥着独特的作用，推动我们作为一个系统的工作方式发生前所未有的变化。通过我们开发的五项核心服务，NSTIx 将以前所未有的方式跨组织边界连接和凝聚国家安全科学、技术和创新社区，使我们能够实现大于各部分之和。这将包括加强跨政府合作以及加强政府、行业和学术界之间的共同创造。
对绿色购买意图的定量见解
摘要：绿色消费行为研究在促进保护环境和促进可持续发展的行动中起着至关重要的作用。本研究旨在确定环境可持续性意识，社会可持续性意识，利他主义，健康意识和消费者的绿色消费行为之间的关系。进行了基于586个客户数据集的定量分析，以使用SMARTPLS 3.3.3测试假设。PLS-SEM模型的结果如下：（1）对可持续环境的意识增强了客户的利他主义； （2）利他主义对客户的意图，忠诚和绿色品牌传播具有积极影响； （3）健康意识对态度有积极影响，但对绿色购买意图没有影响； （4）绿色购买意愿对忠诚度和绿色品牌传福音具有积极影响； （5）但是，绿色品牌忠诚度不是影响绿色品牌传播主义的因素，这是一个重要的发现。此外，另一项研究发现还强调了利他主义在利用绿色产品中的重要性。
战略意图 - 国家量子技术计划
这个量子技术的新时代将改变我们成熟的数字时代的经济，并有助于应对社会的挑战；推进医疗保健和环境保护，实现净零目标以及更好的土地利用，支持金融服务和通信，提供国防和安全能力和计算能力。这些技术将为那些能够开发和利用它们的人创造新的全球市场机会和竞争优势，从而通过将创新整合到复杂的系统中1。出于这个原因，正在为全球开发量子技术做出重大努力。英国有望成为量子技术的创建以及应用程序的一部分，而这一战略意图文件则阐明了目标，以实现这一机会并发展基于量子的经济。
多机器人社交导航的注意图
摘要 - 学习机器人导航策略 - 三角形对于基于域的应用至关重要。结合感知，计划和预测使我们能够对机器人和行人之间的相互作用进行建模，从而导致不断的结果，尤其是基于深度强化学习（RL）的最新方法。但是，这些作品不考虑多机器人方案。在本文中，我们提出了MultiSoc，这是一种使用RL学习多代理社会意识的导航策略的新方法。受到有关多代理深度RL的最新作品的启发，我们的方法利用了基于图形的代理相互作用的表示，结合了实体（行人和代理人）的位置和视野。每个代理使用基于两个图神经网络和注意机制的模型。首先，边缘se子产生一个稀疏的图，然后一个人群坐标应用了节点注意，以产生代表每个实体对其他实体的影响的图。这被整合到一个无模型的RL框架中，以学习多代理策略。我们评估了我们的模拟方法，并在各种条件（代理 /行人的数量）中提供了一系列实验。经验结果表明，我们的方法比社会导航更快地学习了深度RL单一代理技术，并且可以在挑战人群导航中通过多个异构人类进行有效的多代理隐式协调。此外，通过合并可自定义的元参数，我们可以调整邻里密度以考虑到我们的导航策略。
基于意图和在线驾驶风格估计...
摘要自动驾驶汽车的目的是提高驾驶安全性和舒适性。他们需要在复杂的城市场景中执行社会接受的行为，包括不确定意图的人类驱动车辆。更重要的是，了解人类驾驶员的驾驶方式使系统更像人性化或个性化，这是改善系统性能的关键，尤其是对自动驾驶汽车对人类乘客的接受和适应。在这项研究中，提出了个性化意图意识到的自主驾驶策略。基于双层多维高斯马尔可夫进程（MGHMP）提出了一种在线驾驶样式标识，并具有仲裁机制，并在现场测试中进行了评估。混合观察的马尔可夫决策过程（MOMDP）是为了建模一般的个性化意图感知框架。一种类似人类的政策生成机制用于生成可能克服解决MOMDP难度的候选者。在每个预测时间步骤中，都会更新周围车辆上层MGHMP的索引。奖励函数的加权因子与下级MGHMP的识别结果配置。在实时智能模拟平台上评估了个性化意图意识到的自主驾驶策略。的结果表明，提出的策略可以在95％以上的在线识别准确性，并在与具有不确定意图的人类驱动的车辆混合使用的情况下进行个性化的自主驾驶。