XiaoMi-AI文件搜索系统
World File Search System操作任务
符合人体工程学UI设计的新光学脑机械接口系统...
目的：本研究旨在评估使用钙成像的新光学脑机界面（O-BMI）系统的用户界面设计。背景：新的O-BMI系统的UI在先前的研究中设计，旨在提供设计功能，例如以任务为导向的导航，模块化结构，可更改可调节的布局以及通过人体工程学设计过程进行集成功能。方法：进行了可用性测试，以通过两个操作任务（视频获取和信号提取任务）进行了主观和客观地将UI设计的数字原型与四个现有系统（Miniscope，NVISTA，MOSAIC和SUITE2P）进行比较。10名参与者（年龄= 27.1±3.9），包括五名神经科学研究人员（工作经验= 3.4±1.1岁）和五位人体工程学专家（工作经验= 3.6±2.7岁）参加了可用性测试。一份可用性问卷用于主观评估UI设计的满意度和认知工作。屏幕录音机（Recmaster，Suzhou Aunbox Software Co.，Ltd.，Suzhou，中国，中国）和眼球跟踪系统（facelabtm，See Seek Machine，Australia，Australia）用于测量任务完成时间和扫描UI设计任务的参与者的扫描长度。分三个步骤进行了可用性测试实验：（1）实验的准备，（2）模拟系统操作，以及（3）评估感知的认知工作量和满意度。结论：本研究的可用性测试结果表明，提出的设计特征可有效地用于O-BMI系统的可用性。结果：结果表明，新的O-BMI系统的UI设计明显优于现有系统的UI设计，这是通过使满意度提高11.3％至74.3％，并将感知的工作量减少12.2％至37.9％，任务完成时间为10.1％，并在平均值上增加了10.1％，达到了70.2％，达到了14.4％的14.4％。任务。应用：本研究的可用性测试协议可用于设计，评估和改善神经科学研究中各种系统的UI设计。
操作量子资源理论
量子信息科学的一个主要目标是了解量子功能的属性与增强与信息处理任务的增强之间的关系。尤其是，量子现象的精确定量描述不仅对理论利益，而且从实际的角度也变得越来越重要，因为最近的技术进步已在小规模上提供了对系统的访问，其中量子效应起着主要作用。作为一种定量处理的平台，已经开发出量子资源理论。这是一个具有操作动机的框架，它系统地涉及对量子效应的定量和操纵，通过将兴趣数量视为珍贵的“资源”，而这些利益的数量是由给定的一组操作集无法自由创造的。本文从两个角度开发了量子资源理论。第一部分推进了一般资源理论的框架，其中包括各种类型的量子现象，例如量子纠缠，量子叠加等。我们发现，可以通过使用操作观点来提取广泛资源共享的共同结构。特别是，我们考虑量子信息理论中的基本操作任务 - 状态/渠道歧视，资源蒸馏/稀释，统一进化的实施 - 并在资源内容及其运营能力之间建立定量联系。我们的一般结果有助于建立量子资源的统一图片，从而使我们能够更深入地了解量子力学的特征。本文的后半部分将资源理论应用于特定的设置，例如连续变化的系统，具有保守添加量的系统以及通过量子通道进行通信。我们表明，资源理论对运营的观点提供了有效的方法来量化基本资源和简洁的论点，以解决感兴趣的具体问题，这表明资源理论作为有用的理论工具的进一步潜力。本论文中考虑的资源对象从量子状态到量子测量和渠道，扩展了静态资源理论以外的考虑，这是该领域中主要重点的静态资源理论，并为发展动态资源理论的发展铺平了道路。
探索食品和饮料管理中的机器人设备和自治机制：全面评论
食品在将其放置在商店的架子上或最终用户消耗之前，要经过许多操作程序。利用水，能源和原料等资源来创建成品食品是这些操作任务之一（Taušová等2020年）。在英国，食品行业的制造阶段在2016年导致大约1.7吨的食品废物（FW），估计每年约为12亿英镑。尽管该垃圾的相当一部分是食物，但它被用作动物饲料或厌氧消化以恢复能量。通过避免这些动作，每年可以保存87万吨可避免的FW（Sacchi等人。2022）。自然环境的保护是当前正在讨论的话题。这个通用主题的专家通过考虑环境因素来讨论可持续性。在国家和国际层面，此问题包括在战略文件和行动计划中（Jeacle and Carter 2023）。该术语合作于1970年代首次使用，它在公共经济学领域变得越来越流行。共同制作曾经被认为是公民和政府实体共同提供公共服务的过程。他们概述了当官员停止步行以支持汽车巡逻时，犯罪率增加的原因（Bouzembrak等，2019年）。英国的全国对话是存在肥胖问题，许多公共卫生声明加剧了这一点。例如，据报道，超过25％的小学生，29％的女性和26％的男性是脂肪。根据一些研究，肥胖是心脏病，II型糖尿病和癌症等疾病的主要危险因素之一，以及英国早期死亡率（Jagtap等人，2019年）。物联网（IoT）包括能够接收或传输数字数据的设备，并改变了如何利用数据来收集数据，并将互联网的愿景扩展到与其相关的计算机之外。物联网有可能成为重要的信息源。机器对机器（M2M）连接，将人员，组织，流程，数据和对象连接起来以增强网络交互的有用性和相关性，从2017年的十亿美元扩展到2022年。这清楚地表明了物联网的扩展（Jagtap和Rahimifard 2019）。近年来，中国有许多产品召回。大多数召回与负面结果，例如疼痛，疾病甚至死亡有关。召回产品公司的销售，商誉和盈利能力大幅下降（Kong等人，2019年）。许多可持续发展目标都承认食品
附件 NASA 评论
美国国家航空航天局 玛丽·W·杰克逊 美国国家航空航天局总部 隐藏人物路 300 E. Street, SW 华盛顿特区 20546-0001 2024 年 2 月 27 日 回复收件人：空间操作任务理事会 查尔斯·库珀先生 国家电信和信息管理局副局长 美国商务部 14 th and Constitution Avenue, NW 华盛顿特区 20230 主题：美国国家航空航天局对联邦通信委员会关于修改 24.25-24.45 GHz 和 24.75-25.25 GHz 频段排放限制的拟议规则制定通知的审查和评论 美国国家航空航天局 (NASA) 很高兴有机会审查联邦通信委员会 (FCC) 关于修改 24.25-24.45 GHz 和 24.75-25.25 GHz 频段排放限制的拟议规则制定通知，其中包含23-114（ET 案卷编号 21-186）并提供了以下评论。随着讨论继续建立额外的频谱访问、政策和程序以满足对美国商业移动电信服务日益增长的需求，NASA 重视 FCC 的慎重和谨慎态度。这提供了频谱访问以满足商业行业的访问要求，同时保护了现有的联邦用途并提供继续合作的途径。NASA 承认支持和促进商业移动电信行业促进了国内经济增长和维持美国全球技术领先地位。NASA 指出，这种支持需要适当的平衡，以满足商业行业的需求和联邦机构及其各自支持空间研究、气候研究、天气预报、空域管理和国防等任务的需求。在本程序中，为期四年的密集研究周期导致在 2019 年国际电信联盟 (ITU) 世界无线电通信大会 (WRC-19) 上全球商定了移动宽带运营的功率限制。 NASA 支持直接实施 WRC-19 的相关成果，无需修改，这些成果涉及保护在 23.6-24.0 GHz 频段运行的地球探测卫星服务（无源）系统。但是，NPRM 还询问了 WRC-19 研究周期中未考虑的某些要素，并为进一步研究提供了机会，这可能会延迟该频段的商业使用。NASA 在下面确定了这些要素，并对附录 A 中的拟议规则发表了意见。
dr21.03动态率飞行员
回应州长Newsom的紧急声明“确保在极端天气事件中的电气服务的可靠性”，加利福尼亚公共事业委员会（CPUC）授权SCE证明Temix提出的价格/UNIDE框架如何帮助满足2023年和2024年夏季的可靠性需求。该演示已由CPUC在D.21-12-015中批准，旨在“进行全面的研究，以充分评估实时利率的成本和收益，包括所需的基础设施，制造商的利息和客户的影响”。飞行员将结合实时定价设计和来自税率和联合国关税概念的交易订阅元素。飞行员还将调查基于客户的分布式能源如何充当灵活的资产和网格交互式资源，当这些新的定价信号被传输以最终使用UNIDE模型中建议的客户。飞行员的关键操作任务将是自动创建交易税的生成和交付组件的动态价格，并通过基于Internet的基于Internet的安全途径，零售客户，批发市场参与者以及分布式能源自动化服务平台（DERS）访问这些复合动态小时价格。客户及其最终使用设备将连接到Temix Cloud平台，以直接通过本地管理或通过Internet/Wi-Fi/LTE从第三方自动化服务平台云从客户站点接收到价格招标。决策指示SCE根据SCE的EM＆T计划管理此演示。sce将住宅，商业和工业客户参与此激动人心的演示。SCE将通过与这些客户类型的现有关系以及以前安装的自动化软件或硬件在这些客户的住所中使用现有关系的信誉自动化服务提供商（ASP），以简化客户的参与。然后对2022年的此演示进行修改，以与CPUC的Calfuse概念保持一致，该概念将更多的定义和功能范围带到了可靠性程序中提出的原始Unide框架。在Calfuse设计下，将根据对其历史用法的分析，为每个客户提供针对其每月电力使用的量身定制订阅。在飞行员期间，客户将通过反映网格条件的ASP获得高度动态的能源率，并能够进行买卖交易，以利用此订阅，以更好地将其运营需求与当地电网条件的需求更好地匹配。
![arxiv：2411.18623v1 [cs.cv] 2024年11月27日](/simg/g:\will\search\icon\source\f\ffb70dc031055f868005f7e395f79b8254f9bcda.webp)
arxiv：2411.18623v1 [cs.cv] 2024年11月27日
基于视觉的操纵政策的基本目标是了解场景并预测相应的3D姿势。一些现有的方法利用2D图像作为输入来直接预测3D末代效果通过增强学习[1、12、21、30、50、83]或模仿学习[6、13、13、18、39、43、43、46、94、98]。尽管这些方法可以有效地处理一系列操纵任务，但它们不完全了解物理世界中的空间关系和3D结构[16，19，67，69，95]。在机器人操作中，3D几何信息对于应对复杂任务至关重要，因为机器人必须感知3D环境，有关几何关系的原因以及具有复杂的空间配置。最近的研究越来越集中于机器人操作任务中3D特征表示的明确提取，可以将其分为两组。一方面，某些方法直接编码点云数据[8、32、49、69、73、86、93]，要么训练从头开始训练3D策略模型，要么是对预处理的点云启动器（即PointNetNet ++ [58]和PointNext [59]）。然而，大规模机器人3D数据和基础模型的有限可用性限制了其概括性的capabilies。此外，处理3D或体素特征会在现实世界应用中造成大量的计算成本，阻碍可伸缩性和实用性。”为了解决这个问题，我们提出了Lift3D框架，该工作提升了基于变压器的2D基础模型（例如Dinov2 [56]或Clip [61]）以构建Ro-Bust 3D操纵策略逐步。另一方面，某些方法涉及转换方式，例如将预验证的2D特征提升为3D空间[22，36，67，78]，或将3D点云投影到多视图图像中，以输入2D预审计的模型[23，24，76，89]。尽管在几个下游的射击任务上表现出了有希望的表现，但这些模态转换不可避免地会导致空间信息的丧失，阻碍了机器人的痛苦，以了解3D空间关系。基于上述3D政策的挑战，我们提出了一个问题：“我们可以开发一个3D策略模型，该模型集成了大规模预审计的知识，同时结合了完整的3D空间数据输入？Lift3D的主要见解首先是增强隐式3D机器人代表，然后明确编码点云数据以进行策略模仿学习。对于隐式3D机器人表示，我们设计了一种任务意识的蒙版自动编码器（MAE），该自动编码器（MAE）以自我监督的方式处理2D图像并重建3D地理信息，如图1 A所示）。具体来说，我们利用机器人操作[25，55]的大规模未标记数据集，并利用多模型模型（即剪辑）来根据任务文本描述提取图像注意图。然后将这些注意图回到2D输入中，以引导MAE
引用Lindberg FA，Kagios C，TjernströmN和Roman E（2025）在老鼠赌博任务中训练时间的个体差异与Subs
决策在日常生活中起着至关重要的作用，需要评估与不同选择相关的概率和风险的短期和长期结果。损害的决策可以被定义为做出不明智或冒险选择的趋势，并且在几种精神病疾病中是一个核心问题，包括药物使用和赌博障碍（1-3），注意力定义多活障碍（4）和情感障碍（5，6）（5，6）。对决策过程及其参与精神病疾病的研究有所增加，并且已经开发了对决策不同方面的几项测试。爱荷华州赌博任务（IGT）最初是为了评估腹侧前额叶皮层损害的患者的决策受损（7）。此后，它已成为一种广泛使用的工具，用于评估临床和非临床样本中不确定性和风险下的人类决策（8）。向参与者提供了四个牌牌，这些卡具有不同的胜利或亏损可能性。参与者未知，卡片在其货币收益/损失意外事件上有所不同，两个甲板是有利的，并且在长期的货币利润方面不利（7）。几项操作任务可用于对不同认知过程和潜在神经生物学的临床前研究，包括延迟折现，五个选择的串行反应时间任务（5-CSRTT）和不同版本的啮齿动物赌博任务。重要的是，从翻译价值中，这些任务具有人类类似物（9-11）。此外，培训可能会偏向实验结果。任务的共同点，有时是作为警告，是教动物在进行任何实验操作之前进行任务所需的深入培训。这使他们既耗时又耗资货币昂贵（12）。老鼠赌博任务（RGT）基于IGT，其中包括与赢得蔗糖颗粒或接受惩罚超时的不同概率相关的四个选择（13）。要建立最有利的策略，老鼠需要更喜欢与立即奖励和短暂超时相关的低风险选项，并避免与较大的即时奖励和更长的惩罚超时相关的选项。已经表明，大鼠在RGT中制定了与IGT中人类相似的策略（14、15），并且大多数大鼠在最有利的选择方面学习并保持稳定的选择（13、15-20）。然而，基于此类策略存在很大的个体差异，动物已分为三个不同的策略组：（i）战略群体更喜欢最有利的选择，（ii）更喜欢安全选择的安全群体，该群体更安全的选择，该选择最安全的选择，可以使一个不可或缺的时间和（iii）具有更高的选择组，以及（iii），以及（iii）偏爱的选择，即20岁，而不利地选择了两种选择。大鼠需要进行自由选择的RGT需要多长时间的训练，但是尚不清楚以不同的决策策略的大鼠组之间的任务获取和训练日数是否有所不同。此发现暗示以前已经证明，在RGT中具有不同策略的大鼠在与奖励和决策过程有关的区域中显示出大脑连通性的差异（20）。
![初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、](/simg/g:\will\search\icon\source\4\4b79ebb2e692147077c5f05290fe6b1288b2aad1.png)
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
AI RMF RFI 评论 - 弗吉尼亚理工大学应用研究公司
A.利益声明 VT-ARC 和 VT 都非常有兴趣支持美国国家标准与技术研究所 (NIST) 开发一个框架，该框架可用于改善与人工智能 (AI) 相关的个人、组织和社会风险管理。VT-ARC 和 VT 共同努力支持许多不同的人工智能 (AI) 和机器学习 (ML) 计划，并提供 AI/ML 领域最前沿的技术进步。弗吉尼亚理工大学应用研究公司 (VT-ARC)。VT-ARC 是一家私营非营利性 501(c)(3) 应用研究公司，隶属于弗吉尼亚理工学院暨州立大学 (Virginia Tech 或 VT)。VT-ARC 通过识别、开发和应用创新分析和先进技术来加速解决具有国家重要意义的复杂问题。我们利用弗吉尼亚理工大学丰富的多学科研究和创新生态系统，将多个领域的战略、政策、技术和运营考虑因素结合起来。VT-ARC 在过去 10 年中与多个联邦政府组织、行业合作伙伴、国防部创新组织以及其他高等教育和研究机构合作良好。VT-ARC 已在两个单独的 PIA 上进行过表演，一个与 ARL 合作近五年，另一个与 AFRL/AFOSR 合作七年。我们的合作伙伴包括 ARL、ARO、AFOSR、OUSDR&E 和 DTRA。我们目前支持 16 个研究、开发、规划和测试项目。VT-ARC 总部位于弗吉尼亚州阿灵顿，总面积超过 16,000 平方英尺，包括 13,000 平方英尺的非机密办公空间、额外的 TS 安全机密空间以及可容纳多达 200 人活动的场地建筑通道。我们的第二个办公室位于弗吉尼亚州布莱克斯堡。虽然 VT-ARC 没有指定的实验室空间，但我们可以通过弗吉尼亚理工大学使用大学实验室空间。VT 休谟中心智能系统实验室 (ISL)。弗吉尼亚理工大学休谟中心认为，为学生提供研究机会是培养下一代国家安全和技术领导者的关键。我们的研究机会让学生能够在他们喜欢的学科中获得实践经验，与该领域屡获殊荣和专家级的研究人员建立联系，并更充分地探索学科，将兴趣发展为激情和职业。英联邦网络计划 (CCI)。随着包含机器学习的算法被集成到生产系统中，数据科学、机器学习和网络安全之间的界限变得越来越模糊。还需要通过严格的测试和评估流程对复杂系统进行验证，以确保嵌入在系统中的算法在完成具有更大自主性和操作影响的任务时的有效性和安全性。这些系统的设计和开发需要反映其预期的操作环境、代表性人类用户和操作任务/任务。休姆中心的 ISL 开展研究，以解决三个技术重点中的国家安全关键领域：1) 数据科学、机器学习、人工智能，2) 网络安全和复杂系统工程，以及 3) 复杂系统设计、验证和测试与评估 (T&E)。VT 在开发 AI 保证方法和管理 CCI AI 测试平台方面发挥着领导作用。CCI 支持来自 30 多所不同弗吉尼亚大学和学院的 70 多名参与者。CCI 的 AI 保证团队开发模型
AI RMF RFI 评论 - 弗吉尼亚理工大学应用研究公司
A.利益声明 VT-ARC 和 VT 都非常有兴趣支持美国国家标准与技术研究所 (NIST) 开发一个框架，该框架可用于改善与人工智能 (AI) 相关的个人、组织和社会风险管理。VT-ARC 和 VT 共同努力支持许多不同的人工智能 (AI) 和机器学习 (ML) 计划，并提供 AI/ML 领域最前沿的技术进步。弗吉尼亚理工大学应用研究公司 (VT-ARC)。VT-ARC 是一家私营非营利性 501(c)(3) 应用研究公司，隶属于弗吉尼亚理工学院暨州立大学 (Virginia Tech 或 VT)。VT-ARC 通过识别、开发和应用创新分析和先进技术来加速解决具有国家重要意义的复杂问题。我们利用弗吉尼亚理工大学丰富的多学科研究和创新生态系统，将多个领域的战略、政策、技术和运营考虑因素结合起来。VT-ARC 在过去 10 年中与多个联邦政府组织、行业合作伙伴、国防部创新组织以及其他高等教育和研究机构合作良好。VT-ARC 已在两个单独的 PIA 上进行过表演，一个与 ARL 合作近五年，另一个与 AFRL/AFOSR 合作七年。我们的合作伙伴包括 ARL、ARO、AFOSR、OUSDR&E 和 DTRA。我们目前支持 16 个研究、开发、规划和测试项目。VT-ARC 总部位于弗吉尼亚州阿灵顿，总面积超过 16,000 平方英尺，包括 13,000 平方英尺的非机密办公空间、额外的 TS 安全机密空间以及可容纳多达 200 人活动的场地建筑通道。我们的第二个办公室位于弗吉尼亚州布莱克斯堡。虽然 VT-ARC 没有指定的实验室空间，但我们可以通过弗吉尼亚理工大学使用大学实验室空间。VT 休谟中心智能系统实验室 (ISL)。弗吉尼亚理工大学休谟中心认为，为学生提供研究机会是培养下一代国家安全和技术领导者的关键。我们的研究机会让学生能够在他们喜欢的学科中获得实践经验，与该领域屡获殊荣和专家级的研究人员建立联系，并更充分地探索学科，将兴趣发展为激情和职业。英联邦网络计划 (CCI)。随着包含机器学习的算法被集成到生产系统中，数据科学、机器学习和网络安全之间的界限变得越来越模糊。还需要通过严格的测试和评估流程对复杂系统进行验证，以确保嵌入在系统中的算法在完成具有更大自主性和操作影响的任务时的有效性和安全性。这些系统的设计和开发需要反映其预期的操作环境、代表性人类用户和操作任务/任务。休姆中心的 ISL 开展研究，以解决三个技术重点中的国家安全关键领域：1) 数据科学、机器学习、人工智能，2) 网络安全和复杂系统工程，以及 3) 复杂系统设计、验证和测试与评估 (T&E)。VT 在开发 AI 保证方法和管理 CCI AI 测试平台方面发挥着领导作用。CCI 支持来自 30 多所不同弗吉尼亚大学和学院的 70 多名参与者。CCI 的 AI 保证团队开发模型