XiaoMi-AI文件搜索系统
World File Search System新手
理解和克服空中交通管制中的水平分离复杂性：专家/新手比较
在部分任务训练器中，当显示两到五架飞机在同一高度的轨迹时，我们测试了见习空中交通管制员和经验丰富的空中交通管制员对随机交通的复杂性。我们使用两种不同的显示器比较了见习空中交通管制员和经验丰富的空中交通管制员的表现：一个是显示飞机位置信息的基本显示器，另一个是动态可视化工具，当用户对飞机添加机动时，该工具表示飞机轨迹的冲突部分和冲突区域的演变。该工具允许用户在做出机动决定之前使用计算机鼠标动态检查潜在的冲突区域。结果表明，在简单情况下（两架飞机），显示器和群组的表现相似。然而，随着情况的复杂性增加（从三架到五架飞机），动态可视化工具使用户能够更有效地解决冲突。使用该工具可以减少未解决的冲突。即使经验丰富的空中交通管制员在复杂情况下的表现比见习空中交通管制员要好得多，他们在使用冲突可视化工具时的表现也比没有使用冲突可视化工具时要好得多。
理解和克服空中交通管制中的水平分离复杂性：专家/新手比较
在部分任务训练器中，当显示两到五架飞机在同一高度的轨迹时，我们比较了受训和经验丰富的空中交通管制员在随机交通中的复杂性。我们使用两种不同的显示器比较了受训空中交通管制员和经验丰富的空中交通管制员的表现：一个显示飞机位置信息的基本显示器和一个动态可视化工具，当用户向飞机添加机动时，该工具表示飞机轨迹的冲突部分和冲突区域的演变。该工具允许用户在做出机动决定之前使用计算机鼠标动态检查潜在的冲突区域。结果表明，在简单情况下（两架飞机），显示器和群组的表现相似。但是，随着情况的复杂性增加（从三架飞机到五架飞机），动态可视化工具使用户能够更有效地解决冲突。使用该工具可以减少未解决的冲突。即使经验丰富的空中交通管制员在复杂情况下的表现比见习空中交通管制员好得多，他们在使用冲突可视化工具时的表现也比没有使用冲突可视化工具时要好得多。
学习协助和与新手无人机飞行员沟通...
摘要 — 涉及检查和着陆任务的无人机 (UAV) 多任务任务对于新手飞行员来说具有挑战性，因为与深度感知和控制界面相关的困难。我们提出了一个共享自主系统以及补充信息显示，以帮助飞行员在没有任何飞行员培训的情况下成功完成多任务任务。我们的方法包括三个模块：（1）将视觉信息编码到潜在表示上的感知模块，（2）增强飞行员动作的策略模块，以及（3）向飞行员提供额外信息的信息增强模块。在用户研究 (n = 29) 中，策略模块在模拟中使用模拟用户进行训练，并在未经修改的情况下转移到现实世界，同时还有补充信息方案，包括学习到的红/绿光反馈提示和增强现实显示。策略模块不知道飞行员的意图，只能根据飞行员的输入和无人机的状态推断。助手将着陆和检查任务的任务成功率分别从 [16.67% 和 54.29%] 提高到 [95.59% 和 96.22%]。借助助手，缺乏经验的飞行员也能取得与经验丰富的飞行员类似的表现。红/绿灯反馈提示可将检查任务所需的时间缩短 19.53%，轨迹长度缩短 17.86%，参与者将其评为他们的首选条件，因为界面直观且令人放心。这项工作表明，简单的用户模型可以在模拟中训练共享自主系统，并转移到物理任务以估计用户意图并为飞行员提供有效的帮助和信息。
使用人工智能指南对新手进行风湿性心脏病筛查
结果：36名新手参与者总共扫描了50名患者，总共进行了462次超声心动图研究，使用AI指南获得了362例，没有AI指导获得了100名未经AI指南的专家Sonographers获得的362例。新手图像在> 90％的研究中启用了诊断解释，用于存在/不存在RHD，异常MV形态和二尖瓣反流（专家vs 99％，P＃.001）。图像对主动脉瓣疾病的诊断较少（主动脉瓣反流的79％，主动脉狭窄为50％，专家为99％和91％，p <.001）。美国急诊医师学院的数量不XPERT图像在外部长轴图像（平均值为3.45; 81％$ 3）中最高，而Pains 4-Chamber（平均值为3.20; 74％$ 3）和顶端5室图像（平均值为2.43; 38％$ 3; 38％$ 3）的评分较低。
Polydiketoenamines（PDK）：可持续塑料创新的有前途的新手
塑料几乎在现代社会的每个方面都变得普遍，使其成为最广泛使用的合成材料（Sánchez等，2011； Worm等，2017）。其固有的特性，例如耐用性，可塑性，透明性和惰性，在环境中的持续性有助于其持续性，从而导致了塑料积累的紧迫问题。实际上，塑料占土地填充物数量总数的20％，这使垃圾填埋场成为不可持续的选择，这是由于塑料的延长降解时间（Sánchez等，2011）。有效的塑料废物回收已被确定为塑料回收领域的下一个主要挑战，需要开发新过程（Hopewell等，2009）。当前的回收实践使用机械研磨，熔体过滤，挤出和颗粒化来生产用于二级制造的树脂。但是，这些过程通过链分裂降低了聚合物的性能，从而导致分子量降低，从而影响聚合物熔体的粘弹性特性。没有办法升级再生材料以使其更有价值（例如，通过溶剂辅助过程，通过删除添加剂，杂质和低聚物来生产食品级树脂），目前的再循环效果的经济可行性可能不足以鼓励大规模的循环效果。化学回收塑料废物到可重复使用的单体被认为是解锁圆形性的关键，只要该过程可以在闭环中有效地进行。尽管在当前实践中很难实现，但是有一种新发现的称为Polydiketoenamine（PDK）的材料，可以作为新塑料经济的圆形聚合物（Helms，2022）。PDK树脂是由可商购的胺单体和新型Triketones产生的，这些单体是从1,3-二酮和二羧酸合成的（Demarteau等，2022）。pdk树脂由于动态键合的动态粘合而表现出热塑性和热固性的特征，该粘结具有良好的文献记载且独有的动态共价聚合物网络（Scheutz等，2019; Jin等，2019; Yue等，2020）。PDK树脂可以以相对较高的产率（90-99％，取决于公式）以相对较高的产量（90-99％）恢复原始质量单体（Demarteau等，2022）。可以生产，使用，回收和重新使用的PDK树脂的性质而不会丢失价值，这表明可以产生具有最小环境影响的可持续聚合物的可能性（Christensen等，2019）。
比较人工智能数据工作的专家和新手
许多人工智能系统设计师都在努力寻找最佳方法，以收集不同类型的训练数据。在线群体提供了一种廉价的按需情报来源，但他们往往缺乏许多领域所需的专业知识。专家提供隐性知识和更细致入微的输入，但他们更难招募。为了探索这种权衡，我们在设计基于文本的对话代理的背景下，比较了新手和专家在人类智能任务方面的表现和看法。我们开发了一个初步的聊天机器人，它模拟与寻求心理健康建议的人的对话，以帮助教育 7cups.com 的志愿听众。然后，我们招募了经验丰富的听众（领域专家）和 MTurk 新手工作者（群体工作者）来执行任务，以改进具有不同复杂程度的聊天机器人。新手群体在只需要自然语言理解的任务上的表现与专家相当，例如纠正系统对用户语句的分类方式。对于更具生成性的任务，例如创建新的聊天机器人对话，专家们表现出更高的质量、新颖性和情感。我们还发现了一个激励差距：众包工作者喜欢互动任务，而专家们则认为这项工作乏味且重复。我们提供了设计考虑，以分配众包工作者和专家完成 AI 系统的输入任务，并更好地激励专家参与 AI 的低级数据工作。
比较人工智能数据工作的专家和新手 - NSF-PAR
许多人工智能系统设计师都在努力寻找最佳方法，以收集不同类型的训练数据。在线群体提供了一种廉价的按需情报来源，但他们往往缺乏许多领域所需的专业知识。专家提供隐性知识和更细致入微的输入，但他们更难招募。为了探索这种权衡，我们在设计基于文本的对话代理的背景下，比较了新手和专家在人类智能任务方面的表现和看法。我们开发了一个初步的聊天机器人，它模拟与寻求心理健康建议的人的对话，以帮助教育 7cups.com 的志愿听众。然后，我们招募了经验丰富的听众（领域专家）和 MTurk 新手工作者（群体工作者）来执行任务，以改进具有不同复杂程度的聊天机器人。新手群体在只需要自然语言理解的任务上的表现与专家相当，例如纠正系统对用户语句的分类方式。对于更具生成性的任务，例如创建新的聊天机器人对话，专家们表现出更高的质量、新颖性和情感。我们还发现了一个激励差距：众包工作者喜欢互动任务，而专家们则认为这项工作乏味且重复。我们提供了设计考虑，以分配众包工作者和专家完成 AI 系统的输入任务，并更好地激励专家参与 AI 的低级数据工作。
新手和有经验的行李处理策略...
BV，An，荷兰）和 Kimea（Moovency，Saint-Jacques-de-la-Lande，法国）。一些作者通过肌电图测量、建模研究、加速度计或倾角仪研究了轻型行李处理 [4-6]。但是，这些研究并没有专门关注使用 ERC 在窄体飞机货舱中工作的情况。Captiv 系统是我们职业健康服务中当时数据收集唯一可用的技术。但是，该系统依赖于多个无线惯性传感器，这在执行我们的协议时可能会有一些缺点。需要 50 个传感器来捕捉全身运动，因此处理人员的设备时间比 GoPro 要长得多。此外，传感器在皮肤上的位置可能会发生变化，停止工作重新定位它们可能会延迟飞机的起飞。Xsens DOT 系统直到 2020 年才推出。最后，
革新手术。 先进护理。 改变生活。
® SYSTEM 采用磁控生长棒，旨在消除早发性脊柱侧弯 (EOS) 治疗中的计划牵引手术。这项创新技术使外科医生能够非侵入性地控制植入物，从而为个体患者制定量身定制的生长策略。MAGEC 简化了 EOS 的护理，有助于减少焦虑 1 和重复生长棒手术相关的并发症风险 2 。
通过深度生成模型的 AI 指导工具实现新手与 AI 音乐共同创作
摘要虽然生成式深度神经网络 (DNN) 已展示出其创作新颖乐曲的能力，但人们对与这些音乐 AI 共同创作的挑战和潜力关注较少，尤其是对于新手而言。在一项对一种广泛使用的交互式音乐 AI 的需求探索研究中，我们发现 AI 会因其生成的音乐内容数量而让用户不知所措，并因其非确定性输出而令他们沮丧。为了更好地满足共同创作需求，我们开发了 AI 指导工具，包括将内容生成限制为特定声音的语音通道；用于控制生成内容与现有示例的相似性的基于示例的滑块；用于推动音乐生成朝高级方向（快乐/悲伤、常规/惊讶）的语义滑块；以及可供试听和选择的生成内容的多种替代方案。在一项总结性研究（N=21）中，我们发现这些工具不仅增强了用户对人工智能的信任、控制、理解和合作感，而且还有助于增强用户相对于人工智能的自我效能感和对作品的主人翁感。