XiaoMi-AI文件搜索系统
World File Search System操纵动作
接触事件可以预测人类的动作分割和行为
认识到他人的行为取决于对有意义的事件的细分。在该领域进行了数十年的研究后，仍不清楚人类是如何做到这一点的以及哪些大脑区域支持基本过程的。在这里我们表明，基于计算机的接触和不触摸事件的模型可以预测人类的行为，以高精度地分割对象操纵动作。使用此计算模型和功能磁共振成像（fMRI），我们在隐式动作观察任务中指出了这种分割行为的基础神经网络。分割是通过在接触事件中大大增加视觉活动，随后是额叶，海马和绝缘区域的参与，在随后的不变事件中发出了预期的信号。大脑活动和行为表明，触摸未接触的图案是识别包括对象操作在内的动作的关键要素的关键特征。
目标导向瞄准中的能量最小化
摘要 在目标导向瞄准中，表演者在向下瞄准时往往会比向上瞄准时更容易射偏，因为他们试图避免射偏误差，从而尽量减少突然对抗重力所需的时间和能量消耗。本研究旨在通过直接调节潜在误差的感知成本以及发生误差的可能性，进一步检验时间和能量最小化的原则，即分别操纵动作次数和目标大小。参与者在朝小/大目标的一/两个目标移动中，在向上/向下方向上执行快速瞄准动作。与向上方向相比，向下瞄准时的主要运动终点显示出更大的射偏，与大目标相比，小目标显示出更大的射偏。同时，整体运动时间表明，向下产生的运动比向上慢，但仅限于瞄准大目标时。无法调节作为动作次数和目标大小函数的集中趋势，表明最小化特征在表演者的预响应计划中非常突出。然而，在存在较大目标的情况下持续最小化能量可能会无意中浪费移动时间。
迈向日常任务中灵活机器人操纵的知识工程方法
摘要在过去的十年中，家用机器人技术取得了巨大进步，使机器人能够自主完成家庭任务。这些机器人通常用于特定任务和/或对象。我们假设可以通过基于知识的方法来克服实现新的临时任务请求方面缺乏灵活性，从而允许机器人推断如何解决新任务或在新对象上执行已知任务。朝向这个目标，我们提出了一种基于知识的方法，该方法利用网络上已经存在的知识来构建一个本体学支持机器人在推理参数的推理中，这些参数会影响操纵动作，以执行一系列对象的任务变化1。本体论包括对象和动作信息，涵盖了处置和负担以及特定于任务的属性。作为概念验证，我们通过从相关本体论中导入和链接知识来手动构建食物切割本体，此外还可以从非结构化的网络来源提取和语义增强知识。我们演示了机器人如何查询本体，并将包含的信息转化为动作参数。我们通过模拟访问本体的机器人来评估创建的本体论的可行性，以执行切割任务变化的操作参数化。