XiaoMi-AI文件搜索系统
World File Search System指尖
非语言词典 - zorc.net
进化。我们手部的 27 块骨头、33 块肌肉和 20 个关节起源于大约4 亿年前。来自被称为鳍足类的早期鱼类的鳍片。原始的“游泳鳍”帮助我们的水生祖先在泥盆纪海洋中划桨寻找食物和配偶。在两栖动物中，前肢进化为陆地行走的负重平台。在灵长类动物中，手被单独升级为触觉天线或“触角”。今天（与鳍状肢、爪子和蹄子不同），手指与大脑的智力模块和情感中心相连。例如，我们不仅可以穿针引线，还可以用指尖模仿穿线的动作（参见 MIME CUE ）——或者用轻拍来奖励孩子成功穿线。没有比手更好的器官可以衡量未说出口的想法、态度和情绪。
玩电子游戏对你有好处还是坏处
在许多电子游戏中，获胜所需的技能涉及抽象和高级思维。这些技能甚至不在学校教授。电子游戏增强的一些心理技能包括：o 遵循指令o 解决问题和逻辑 - 当孩子们玩《不可思议的机器》、《愤怒的小鸟》或《割绳子》等游戏时，他们会训练大脑在短时间内想出创造性的方法来解决谜题和其他问题o 手眼协调、精细运动和空间技能。在射击游戏中，角色可能同时在奔跑和射击。这要求现实世界中的玩家跟踪角色的位置、他/她前进的方向、他们的速度、枪瞄准的位置、枪声是否击中敌人等等。所有这些因素都需要考虑在内，然后玩家必须协调大脑的解释和反应与他们手和指尖的运动。这个过程需要大量的眼手协调和视觉空间能力才能成功。研究还
muxhand：使用时间划分的多重电动机
摘要 - 机器人灵巧的手负责抓握和灵巧的操纵。电动机的数量直接影响了此类系统的敏捷性和成本。在本文中，我们提出了Muxhand，这是一种使用时间分割多路复用电动机（TDMM）机制的机器人手。该系统允许仅4电动机独立控制9条电缆，从而显着降低了成本，同时保持高敏度。为了提高抓握和操纵任务期间的稳定性和平滑度，我们将磁接头整合到了三个3D打印的手指中。这些关节具有出色的影响力和自我测量能力。我们进行了一系列实验，以评估Muxhand的抓握和操纵性能。结果表明，TDMM机制可以精确控制连接到手指接头的每个电缆，从而实现强大的抓握和灵活的操作。此外，指尖载荷能力达到1.0 kg，磁接头有效地吸收了冲击和校正未对准而不会损坏。
糖尿病的数字技术
狮子座（Leo）是一名22岁男子，在17岁时接受了1型糖尿病的诊断，他一直在努力实现葡萄糖靶标。作为一个年轻的成年人，他有许多竞争优先级，糖尿病并不是首先。他在餐厅厨房里工作，没有私人保险。他一直在接受多种日常注射（MDI）胰岛素疗法，作为基础胰岛素，但常常会忘记指尖的葡萄糖调查和进餐时间。狮子座经常有一个没有胰岛素的晚餐小吃，因为他担心夜间低血糖症。在过去的两年中，他的糖化血红蛋白水平从9.0％到13.2％，使他患有长期并发症的高风险。他的糖尿病团队开了一个葡萄糖剂，也称为连续葡萄糖监测仪（CGM），该葡萄糖监测器（CGM）每5分钟提供每5分钟的间质葡萄糖值，但是拒绝了批准，因为他每天没有至少执行四个指尖葡萄糖仪测量。由于错过的胰岛素注射和高糖化的血红蛋白水平，还拒绝了用于渗透输液泵的批准。当LEO参加了一项研究测试自动胰岛素输送（AID）系统的研究时，他的糖化血红蛋白水平为11.2％。最初，他既有胶质传感器和胰岛素泵，但是根据研究方案，胰岛素熟练尚未自动化。他的糖化血红蛋白水平在2周内降至8.5％。这种惊人的改进归因于几个因素。首先，葡萄糖传感器每5分钟测量葡萄糖水平，立即提供反馈和警报。1）。通过与他的伴侣分享这些实时阅读和警报，Leo和他的伴侣都对较低的葡萄糖价值（尤其是一夜之间）变得更加满意。第二，胰岛素剂量更容易递送，因为泵计算出的餐和纠正剂量并消除了对手动注射的需求。最后，全天候戴泵确保了基底胰岛素存在，并且不会受到未经手动注射的影响。6个月后，如协议中的规定，LEO转变为使用援助系统（图他很快学会了信任该系统，他对夜间低血糖症的焦虑消失了。使用辅助系统3个月后，他的糖化血红蛋白水平为6.9％（图2a）。
DNA的版本
在生物科学领域，基因疗法自出现以来一直是一个引人注目的问题。 div>在生物工程领域的发展和进步，例如锌指尖（ZFN），转录激活剂型核酸酯（TALEN）（TALEN）和简短的alindromic重复，并定期插入（CRISPR/CAS9）（CRISPR/CAS9），为在生物学中的可能性打开了对生物学的可能性，他们中的基因，该基因，该版本，该版本是一个版本。 div>后者由通过引入或分裂DNA链中的核苷酸序列来直接修饰基因组。 div>今天，它的应用是广泛的，从农业综合企业和有害生物控制的领域到孟德尔疾病的“纠正”，传染病中免疫受体的调节，细菌的遗传修饰，以及许多其他工作。 div>但是，自1987年发现以来，CRIS-PR/CAS9系统并未在生物伦理方面避免争议，从而获得其专利甚至其有效性。 div>尽管出现了困难和不确定性，但由于其简单性和使用的用途，该系统的未来仍然有望。 div>
采用非线性自回归外生模型的可穿戴 sEMG 传感器多自由度假手指关节控制器
摘要：手臂、手和指尖的活动功能和感觉信息的丧失妨碍了患者的日常生活活动 (ADL)。现代仿生假手可以弥补失去的功能并实现多自由度 (DoF) 运动。然而，由于传感器有限和缺乏稳定的分类算法，市售的假手通常具有有限的自由度。本研究旨在提出一种通过表面肌电图 (sEMG) 估计手指关节角度的控制器。用于训练的 sEMG 数据是使用商用 EMG 传感器 Myo 臂带收集的。提取时域中的两个特征并将其输入到具有外生输入的非线性自回归模型 (NARX) 中。使用 Levenberg-Marquardt 算法对 NARX 模型进行预选参数训练。与目标相比，模型输出的回归相关系数 (R) 在所有测试对象中均大于 0.982，信号范围为 [0, 255] 的任意单位时均方误差小于 10.02。研究还表明，所提出的模型可用于日常生活运动，具有良好的准确性和泛化能力。
片上微电池：向小型化迈出的一大步；
计算机必须被安置在一个房间里，留给其他计算机的空间很小的时代已经一去不复返了。甚至，存储设备过去也非常笨重，存储信息的能力非常小。同样，计算能力也很小。这要归功于科学技术的最新发展。1-5 半导体行业在空间、高计算能力、更快响应等方面经历了根本性的变化。因此，随着超大规模集成的出现，当前的手机可以完成几乎所有笔记本电脑或计算机可以执行的任务，并具有增强的计算能力。这是因为微型化的巨大进步。该领域取得了如此大的进步，以至于开发人员已经能够制造出比拇指尖还小的微型计算机。与此同时，小型化导致了微型传感器的实现，这些传感器具有灵活性和可穿戴性。然而，需要注意的是。如果计算机和电池没有小型化，这是不可能的。因此，出现了一个称为智能尘埃应用的领域，它基本上包括尺寸较小的微电子设备。另一个重要特征是它们的尺寸小如灰尘。这一方向的兴起催生了许多生物相容性传感器。
带有触觉传感的机器人手的通用滑动检测
滑动检测是要识别抓握过程中对象是否保持稳定，这可以显着增强操纵灵量。在这项研究中，我们探索了能够执行各种掌握类型的五指机器人手的滑移检测，并在整个五个手指上检测到滑移，而不是专注于单个指尖。首先，我们构建了一个在六种抓地力类型的日常生活中收集的数据集，其中包括200 k个数据点。第二，根据深重下降的原理，我们为不同的抓握类型（USDConvnet-dg）设计了一个轻巧的通用滑动检测网络，以对掌握状态进行分类（无触摸，打滑和稳定的抓紧）。通过将频率与时域特征相结合，该网络的计算时间仅为1.26 ms，平均精度在验证和测试数据集上的平均精度超过97％，表明了强大的概括功能。此外，我们在现实世界中的实时掌握力调整中验证了提出的USDConvnet-DG，表明它可以有效地提高机器人操作的稳定性和可靠性。
研究空间手套和EVA西装的设计
摘要人类与空间的相互作用大大增加。随着术外活动（EVA）的不断增长的作用，宇航员手套在太空套装中需要技术研究和创新。手套似乎对设计显得微不足道，但实际上是最乏味的，因为EVA期间的所有任务都需要大量的手法。空间手套应具有敏捷性，可操作性和触觉的力量和功能。其主要目标是允许宇航员尽可能有效地移动手指，并有助于运动，约束和物体处理。由于指关节或掌pophangeal（MCP）关节的高扭矩要求，目前的手套很麻烦。此外，由于指尖持续压力，宇航员遭受了一种称为指甲分层（或on八溶解）状况的状况。重点是给定技术和科学增强功能的主要挑战，以及如何利用它们来汲取所有好处。本文提供了一项综述研究，以通过逐步而实质性的技术进步来确定项目的合理性。关键字EVA手套，太空服，对手动疲劳的影响，材料，机器人手
![arXiv:2102.08976v2 [eess.SP] 2021 年 3 月 5 日](/simg/1\1bf7405bd324d877f949491d3713b481e21639ea.webp)
arXiv:2102.08976v2 [eess.SP] 2021 年 3 月 5 日
在日常活动中，人类用双手抓握周围的物体并感知感觉信息，这些信息也用于知觉和运动目标。已知多个大脑皮层区域在感觉运动处理过程中负责感觉识别、知觉和运动执行。虽然各种研究特别关注人类感觉运动控制领域，但运动执行和感觉处理之间的关系和处理尚未完全了解。我们工作的主要目标是使用同时记录的脑电图 (EEG) 数据在主动触觉探索过程中辨别不同粗糙度的纹理表面，同时最大限度地减少不同运动探索运动模式的差异。我们对八名健康参与者进行了一项实验研究，他们被指示用他们惯用手食指的指尖摩擦或轻敲三种不同粗糙度的纹理表面。我们使用对抗不变表示学习神经网络架构，基于 EEG 对不同纹理表面进行分类，同时尽量降低运动条件（即摩擦或轻拍）的可辨别性。结果表明，所提出的方法可以区分三种不同纹理的表面，准确率高达 70%，同时抑制了学习表示中的运动相关变异性。