XiaoMi-AI文件搜索系统
World File Search System控制能力
飞机降落在航母上的模糊路径选择策略
摘要：着陆是航空母舰上所有作业中最危险的任务之一，着陆安全对飞行员和甲板操作都至关重要。目前，舰载机着陆的安全性通过设计自动着陆控制器和训练飞行员提高其控制能力来提高，但迄今为止尚未研究选择着陆路径的重要性。本文研究了航空母舰着陆路径选择问题，因为存在多个对应于不同情况的候选路径。考虑到环境信息和人为判断的模糊性，提出了一种模糊路径选择策略来解决该问题，目标是为飞行员提供更合理的决策。该策略考虑到了工业界广泛使用的模糊多属性群决策 (FMAGDM) 的思想。首先，给出着陆路径选择的背景。然后，抽象出影响决策的因素并建立概念模型。开发了基于TOPSIS的群决策方法来表示每个决策者对每条备选路线的偏好，并考虑到飞行员和着陆控制台操作员（LCO）的知识和权重来确定当前环境下的最佳着陆路径。在不同设置（即不同环境下）下进行实验研究
落后还是前进？可能的自我和……的影响
潜在自我和实现潜在自我的策略是否对资源匮乏的儿童普遍有用？我们在中国农村测试了这个问题。中国农村儿童通常被“留守”（LB）儿童所困扰，因为父母通过外出打工抓住了经济机会，希望家庭能够“进步”，他们的孩子能够实现他们注定的更好的未来。媒体、教师和同龄人都把LB儿童描绘成不守规矩、不守纪律、命运不佳的儿童，这使得LB成为一个包含命运或宿命观念的负面刻板印象。事实上，突出LB观念会增加儿童的宿命论（研究1 n = 144，研究2 n = 124）。但是，制定实现未来可能的自我的策略可以预测更好的课堂行为、更少的抑郁症状以及更好的考试成绩，即使一年后，并且控制了之前的表现（研究 3 n = 176，研究 4 n = 145）。可能的自我有混合效应，并不总能预测更好的成绩，并且会削弱 LB 儿童的自我控制能力。© 2015 由 Elsevier Ltd 代表服务专业人员基金会出版
虚拟现实神经康复
本研究探讨虚拟现实（VR）技术在神经康复中的应用，通过查阅大量资料，介绍VR在神经康复中的优势，随后介绍VR在脑卒中患者、帕金森患者、精神心理疾病康复中的应用现状，并调查现阶段VR技术在康复医学中的应用研究实验。研究结果表明，与传统平衡训练相比，基于VR的神经康复训练方法可以更有效地缓解脑卒中后倾斜综合征患者的倾斜程度，加强躯干控制能力和平衡功能。当传统康复训练对帕金森患者的步态和平衡效果不够好时，基于VR的康复训练至少可以作为一种替代疗法。而且，VR游戏在促进肢体康复和脑损伤康复方面取得了很大突破，这对那些患有运动和活动障碍的人有不可思议的益处。对神经损伤患者精神障碍的治疗和恢复也有益处，虽然VR还存在成本高、技术突破瓶颈等限制，但在神经康复训练中，在缓解病痛、增进兴趣、恢复患者心理健康等方面具有很大的优势。
基于空间表征语义层次的机器人探索与绘图策略
许多科学家 [Lynch，1960；Piaget 和 Inhelder，1967；Siegel 和 White，1975] 已经观察到认知地图被组织成连续的层，并提出对大规模环境的有用且有力的描述的核心要素是拓扑描述。分层模型包括从局部感官信息中识别和辨认地标和地点；路线控制知识（从一个地方到另一个地方的过程）；连通性、顺序和包含的拓扑模型；以及形状、距离、方向、方位以及局部和全局坐标系的度量描述。看来，认知地图的分层结构是人类在大规模空间中稳健表现的原因。我们的方法试图将这些方法应用于机器人探索和地图学习问题。我们定性方法中对环境的核心描述是拓扑模型，如 TOUR 模型 [Kuipers，1978]。该模型由一组节点和弧组成，其中节点代表环境中可识别的位置，弧代表连接它们的行进路径。节点和弧是根据机器人的感觉运动控制能力程序性定义的。度量信息添加到拓扑模型之上。
ACM 参考格式：Tao Xie。2018 年。智能软件工程：人工智能与软件工程之间的协同作用。在 ISEC '18：软件工程创新会议上，2018 年 2 月 9 日至 11 日，印度海得拉巴。ACM，美国纽约州纽约，文章 4，1 页。https://doi.org/10.1145/3172871.3172891
自动化使软件工程更有效。在我们看来，我们主张研究界退后一步（不要只是简单地应用人工智能技术），探索利用人工智能技术和其他技术（如程序分析）在软件工程解决方案中注入智能。开放的研究问题包括如何定义或确定软件工程解决方案的智能水平，如何为软件工程解决方案带来高水平的智能，以及如何协同整合机器智能和人类智能（如领域知识或洞察力）以有效应对具有挑战性的软件工程问题。此外，我们主张研究界调查所提出的智能解决方案所做的假设在软件工程实践中是否有效，例如，用于机器学习的训练数据的代表性是否足以满足实际实践的要求 [7]。智能软件的软件工程。对智能软件的安全性和控制能力信心不足限制了智能软件在现实世界中的部署范围 [2]。此外，人工智能软件的安全性越来越受到关注，促使最近对对抗性机器学习进行了活跃的研究 [4,5]。为了确保智能软件的可靠性，软件测试技术在实践中得到了广泛的应用，但测试预言是一个众所周知的挑战[3, 6]。
可持续性-15-09489.pdf
摘要：实现区域供热网络热需求灵活性的低碳方案包括智能家居技术 (SHT)，该技术可以通过响应公用事业信号并考虑家庭偏好来自动控制供热。本研究通过实证研究了居住者在供暖实践中如何使用 SHT 控制空间供暖。该研究基于对丹麦智能家居居住者的深入访谈和家庭参观。结果表明，(1) 实践知识、(2) 控制观念和 (3) 日常生活的时间方面对于居住者如何使用 SHT 控制空间供暖特别重要。此外，结果还显示了居住者在失控时的行为。数据表明，使用 SHT 控制空间供暖的方式多种多样，显示了家庭的物质性、居住者所依赖的实践知识的重要性以及他们赋予“家常”实践的意义之间的动态关系。由于 SHT 依赖自动化功能限制了人们积极参与控制空间供暖，本文提出的研究结果强调了空间供暖的控制不仅仅是控制能力，还涉及家庭内外社会实践的动态。根据研究结果，本文为未来的 SHT 解决方案提出了四个具体的设计和政策含义。
视觉语言模型驱动的计算机控制代理
大语言模型（LLM）可以调用各种工具和API来完成复杂的任务。作为最强大和最通用的工具，计算机可能会由训练有素的LLM代理控制。由计算机提供动力，我们可以希望建立一个更广泛的代理，以帮助人类进行各种日常数字作品。在本文中，我们为视觉语言模型（VLM）代理构建了一个环境，以与真实的compoter屏幕交互。在此环境中，代理可以通过输出鼠标和键盘操作来观察屏幕截图并操纵图形用户界面（GUI）。我们还设计了一个自动控制管道，其中包括计划，表演和反映阶段，指导代理商与环境不断互动并完成多步骤任务。此外，我们构建了Screena-Gent数据集，该数据集在完成每日计算机任务时会收集屏幕截图和计算序列。最后，我们培训了一个模型，即Crabitagent，该模型可以达到与GPT-4V的可比计算机控制能力，并展示了更精确的UI定位功能。我们的尝试可以进一步研究建立通才LLM代理商。代码和更详细的信息在https://github.com/niuzaisheng/screenagent上。
衍射光网络的决策和控制
摘要。人工智能（AI）的最终目标是模仿人的大脑，直接从高维感觉输入中执行决策和控制。衍射光网（DONS）为实现高速和低功率消耗的AI提供了有希望的解决方案。大多数报告的DON专注于不涉及环境互动的任务，例如对象识别和图像分类。相比之下，尚未开发能够决策和控制的网络。在这里，我们建议使用深度强化学习来实施模仿人类级决策和控制能力的DON。这样的网络利用残差体系结构，可以通过与环境互动来找到最佳的控制策略，并且可以轻松地与现有的光学设备实现。使用三种类型的经典游戏来验证出色的性能：TIC-TAC-TOE，SUPER MARIO BROS。和RACENing。最后，我们提出了一个基于空间光调制器网络播放TIC-TAC-TOE的实验证明。我们的工作代表着前进的D型迈出的坚实一步，这有望从简单识别或分类任务转变为AI的高级感官能力的基本转变。它可能会在自动驾驶，智能机器人和智能制造中找到令人兴奋的应用程序。
偶极量子多体自旋系统中的时间反转
宏观系统中的时间反转与日常经验相矛盾。仅通过时间反转导致杯子破碎的微观动力学，几乎不可能将破碎的杯子恢复到其原始状态。然而，借助现代量子技术提供的精确控制能力，量子系统的幺正演化可以随时间逆转。在这里，我们在原子气体中的里德堡态表示的偶极相互作用、孤立多体自旋系统中实施时间反转协议。通过改变编码自旋的状态，我们翻转了相互作用哈密顿量的符号，并通过让退磁多体状态随时间演化回磁化状态来展示磁化弛豫动力学的逆转。我们使用洛施密特回声的概念阐明了原子运动的作用。最后，通过将该方法与弗洛凯工程相结合，我们展示了具有不同对称性的大量自旋模型的时间反转。我们的状态转移方法适用于广泛的量子模拟平台，其应用范围远远超出量子多体物理学，涵盖从量子增强传感觉到量子信息扰乱。
使用实时 fMRI 成功控制伤害感受处理的皮质网络
实时 fMRI (rt-fMRI) 能够通过神经反馈自我调节局部大脑区域的神经活动。先前的研究表明，在伤害性刺激期间，前扣带皮层 (ACC) 和岛叶 (Ins) 的神经活动可以成功上调和下调。然而，这种自我调节能力在受试者中是不同的，可能与自上而下的认知疼痛控制能力有关。此外，特定大脑区域如何相互作用以成功调节伤害性处理和基于神经反馈的大脑调节尚不清楚。使用频域连接分析框架检查 ACC 和 Ins 的上调或下调，并评估疼痛强度和不愉快程度。我们发现成功的上调和下调是由 ACC 及其与 Ins 和次级体感皮层的功能连接介导的。成功的上调或下调与疼痛评级之间没有显著关系。这些发现表明，在调节 ACC 和 Ins 活动期间，参与伤害性处理的大脑区域之间存在功能相互作用，并且频域连接分析与实时 fMRI 的相关性也很高。此外，尽管神经调节成功，但疼痛评级没有变化，这表明疼痛是一种复杂的感知，可能比其他感觉或情绪过程更难改变。