XiaoMi-AI文件搜索系统
World File Search System日常
ISRO的日常应用程序传输
避免碰撞系统：为Chandrayaan-3的着陆开发的软件和算法可以改编以防止汽车碰撞，从而提高车辆安全性。安全气囊部署：可以重新使用发射车辆中用于监视推进剂的压力传感器以确定最佳的安全气囊部署时间，从而提高乘客安全。3D LiDAR相机：最初是用于太空导航的开发，3D LiDAR相机生成具有深度信息的3D图像，并可以帮助危害检测，行人安全和自动驾驶。传感器：由ISRO开发的利基传感器可以通过定位生产并减少对进口的依赖来降低汽车和工业应用的成本。医疗保健：3D LiDAR相机可用于准确的身体测量，以预测生活方式疾病或医学诊断中的高级成像解决方案。结构和基础设施：高度耐腐蚀的涂层ISRO的NRCM-204可保护金属免受包括酸性腐蚀在内的恶劣环境。
日常工作压力与任务绩效 - DiVA 门户
先前的研究主要关注（心理和身体）工作量与任务绩效之间的联系，但对影响这种关系的干预机制知之甚少。在本研究中，我们测试了每日恢复和总睡眠时间在工作压力与日常任务绩效之间的关系中的调节作用。利用绩效和恢复理论，我们假设（a）工作压力与日常任务绩效呈正相关，并且（b）以心理脱离和放松形式进行的每日恢复和（c）总睡眠时间都独立地增强了这种关系。我们的假设在一项为期 30 天的日记研究中得到了检验，研究对象是乘坐海军帆船横渡大西洋的 110 名军官学员。多层次建模的结果支持这三个假设。总而言之，我们的研究结果表明，轮班之间的恢复和睡眠时间在日常工作压力与任务绩效之间的关系中起着关键作用。我们讨论了这些发现对压力源-脱离模型的影响。
日常界面的触觉交互设计
本章旨在为新手设计师提供背景知识和指导，帮助他们成功地将触觉技术引入到交互式产品中。要定义适当的触觉交互角色，一方面需要整合对人类能力的基本认识，另一方面需要整合当前的设备技术。在这里，我首先总结了人类和硬件施加的最显著的限制，以探索这种整合。然后，我将感知、运动和注意力能力与一系列与当代设计趋势和机会相关的新兴应用环境联系起来。这些包括抽象通信和通知、图形用户界面的增强、表达控制、情感通信以及移动和手持计算。
日常工作压力和任务绩效 - DiVA 门户
先前的研究主要关注（心理和身体）工作量与任务绩效之间的联系，但对影响这种关系的干预机制知之甚少。在本研究中，我们测试了每日恢复和总睡眠时间在工作压力和日常任务绩效之间的关系中的调节作用。使用绩效和恢复理论，我们假设（a）工作压力与日常任务绩效呈正相关，并且（b）以心理脱离和放松形式进行的日常恢复，以及（c）总睡眠时间都独立地增强了这种关系。我们的假设在一项为期 30 天的日记研究中得到了检验，研究对象是乘坐海军帆船横渡大西洋的 110 名军官学员。多层次建模的结果支持所有三个假设。综上所述，我们的研究结果表明，轮班之间的恢复和睡眠时间在日常工作压力和任务绩效之间的关系中起着关键作用。我们讨论了这些发现对压力源分离模型的影响。
可持续钢，适用于更好的日常
在JSW钢铁上，我们做出了选择：我们正在做以上所有事情。我们正在使用最佳可用技术，通过我们的集团公司JSW Energy过渡到可再生能源，与外部专家合作以协助我们的脱碳旅程，并引入数字工具以跟踪和监视进度。我们还认识到有必要将环境，社会和治理（ESG）考虑到我们的投资决策。不仅是投资者，而且是员工，客户，供应商，当地社区和其他利益相关者，他们希望我们设计和实施长期，可持续的政策，这些政策支持经济发展，解决环境问题并在印度的脱碳途径中起着至关重要的作用。
日常自动化体验：研究议程
自动化正在渗透到日常生活的方方面面。这表现为终端用户有越来越多的机会将决策权交给家用电器，将控制权交给汽车，乘坐自动列车，或在自助结账商店购物。在人工智能的支持下，新兴的自动化服务越来越接近人类的认知功能，因为它们正在整合基于处理大量信息集的分析和决策 [ 48 ]。为了预见这些新兴技术将对我们的生活领域产生的广泛影响，有必要进行反思和系统性的考虑，以充分利用它们在用户体验方面的潜力。虽然自动化方面有着悠久的人为因素研究传统，但学者们长期以来一直专注于为受过训练的人员（如控制中心操作员或飞行员）提供高度专业化的专业工作任务。随着交通、家庭自动化和零售等领域的技术创新和新用例的出现，为更广泛人群设计自动化的目标变得更加重要。因此，自动化技术向日常生活的转变使“初级用户”的体验成为关注的焦点。本期特刊包含 CHI 2019 和 CHI 2020 两个研讨会的精选科学贡献
生成需要动态的日常活动
日常活动数据记录个人在日常生活中的各种活动被广泛用于许多应用中，例如活动调度，活动建议和决策。尽管具有很高的价值，但由于高收集成本和潜在的隐私问题，其可访问性受到限制。因此，模拟人类活动以产生大量的高质量数据至关重要。但是，现有解决方案，包括具有简化行为假设的基于规则的方法和直接拟合现实世界数据的数据驱动方法，两者都无法完全符合匹配现实的资格。在本文中，是由经典的心理学the-Ory的动机，马斯洛的需求理论描述了人类的动机，我们提出了一个基于生成的对抗性模仿学习的知识驱动的模拟框架。我们的核心思想是将人类需求的演变建模为驱动仿真模型中活动产生的潜在机制。具体而言，一个高度的模型结构，该结构删除了不同的需求级别以及神经随机微分方程的使用成功地捕获了需求动力学的分段连续特性。广泛的实验表明，我们的框架优于有关数据保真度和实用程序的最新基准。我们还提出了需求建模的有见地的解释性。此外，隐私保存评估验证生成的数据不会泄露个人隐私。该代码可在https://github.com/tsinghua-fib-lab/activity-simulation-sand上找到。