XiaoMi-AI文件搜索系统
World File Search System时间约束
插入安全芯片：LLM驱动机器人代理的执行限制
摘要 - 大型语言模型（LLM）的最新进展已使新的研究领域LLM代理通过利用在预训练期间获得的LLM的世界知识和一般推理来解决机器人技术和计划任务。然而，尽管已经付出了巨大的努力来教机器人“ dos”，但“毫无疑问”受到了相对较少的关注。我们认为，对于任何实际用法，教机器人“不”：传达有关禁止行动的明确指示，评估机器人对这些限制的理解，最重要的是，最重要的是，确保合规性至关重要。此外，可以进行验证的安全操作对于满足全球标准（例如ISO 61508）的部署至关重要，这些标准是定义在全球工业工厂环境中安全部署机器人的标准。旨在在协作环境中部署LLM代理，我们提出了一个基于线性时间逻辑（LTL）的可查询安全约束模块，该模块同时使NAT-URAL语言（NL）可以进行时间约束，以编码，安全性侵犯推理和解释和解释以及不安全的动作。为了证明我们系统的有效性，我们在虚拟机环境和真实机器人中进行了实验。实验结果表明，我们的系统严格遵守安全限制，并具有复杂的安全限制，强调了其实用性的潜力。
centerachAdapt：通过LLM推理
混合现实越来越多地用于封闭房屋和办公空间以外的移动设置。此移动性引入了适应不同上下文的用户界面布局的需求。但是，现有的自适应系统仅针对静态环境而设计。在本文中，我们介绍了centerAdapt，该系统通过在共享环境中考虑环境和社交线索来将混合现实UI的混合现实UIS调整到现实世界中。我们的系统包括对UI适应的感知，推理和优化模块。我们的感知模块标识用户周围的对象和个人，而我们的推理模块则利用视觉和语言模型来评估交互式UI元素的位置。这种调整的布局不会阻碍相关的环境线索或干扰社会规范。我们的优化模块会生成混合的现实接口，以解释这些考虑以及时间约束。进行评估，我们首先验证了与人类专家用户相比，我们的推理模块评估UI上下文的能力。在一项在线用户研究中，我们建立了centerachAdapt为混合现实生成上下文意识的布局的能力，在此效果优于以前的自适应布局方法。我们以一系列应用程序和场景结束，以证明centerachAdapt的多功能性。
V2G能源网络中电动汽车的联合路线选择和充电排放计划
摘要 - 感谢二氧化碳的优势，预计有望继续增加。通常，它们通过由电网或可再生工厂提供动力的充电站进行充电。由于电网和可再生工厂之间电力价格的潜在差异，EV可能会在由可再生工厂提供动力的充电站购买电力，然后将电池中的盈余能量拆除到网格中，以获得利用并增强了整体可再生能源利用。在这项工作中，我们旨在优化路线的选择和充电/排放计划，以提高电动汽车的整体经济利益，并考虑到限制，包括由可再生能源的间歇产生引起的时间变化的能源供应，可再生能源的电源，充电站的充电堆和电动汽车的旅行延迟可容纳。首先，时间扩展的车辆到网格图旨在对目标和相关的约束进行建模。然后，我们将基于AI的A*算法应用于每个EV的k-差路径。最后，提出了一种联合路由选择和充电/放电算法，即，k-毛病路径 - 界路由路由 - 安排套件（KSP-JRS）提议通过在时间约束下从能量排放中最大化其收入来最大化电动汽车的总成本。使用TherealTraffimaParoundSantaclara，加利福尼亚州进行了评估。该研究具有不同数量的测试EV，显示了所提出算法的可行性和优越性。
通过随机多周期交流安全约束最优潮流设想可再生能源主导电力系统的安全控制
摘要 — 可再生能源 (RES) 渗透率的加速带来了环境效益，但代价是增加了运营成本并削弱了 N-1 安全标准的满足。为了解决后一个问题，本文设想通过随机多周期交流安全约束最优潮流 (SCOPF) 实现 RES 主导电力系统中的 N-1 安全控制。本文扩展了最先进的确定性和单时间段交流 SCOPF，以捕捉两个新维度，即 RES 随机性和多时间段，以及新兴的灵活性来源，如灵活负载 (FL) 和储能系统 (ESS)。因此，本文首次提出并解决了一种新的问题公式，即随机多周期交流 SCOPF (S-MP-SCOPF)。S-MP-SCOPF 被公式化为非线性规划 (NLP) 问题。它计算灵活性资源和其他常规控制手段的最优设定点，用于日前运行中的拥塞管理和电压控制。本文的另一个显着特点是全面而准确的建模，使用：用于预应急和后应急状态的交流电力流模型，24 小时时间范围内的 FL 和 ESS 等资源的跨时间约束以及 RES 不确定性。通过直接方法将问题规模推至求解器极限，在两个分别有 5 个节点和 60 个节点的测试系统上说明了所提出的模型的重要性和性能，而未来的工作将开发一种易于处理的算法。索引术语 — 拥塞管理、储能系统、灵活性、灵活负载、安全约束最优电力流、电压控制
TouringMachines：一种动态、合理、移动代理的架构
自动化工厂、核电站、电信中心和空间站等设施的计算机控制操作环境正变得越来越复杂。随着这种复杂性的增长，使用集中管理和调度策略来控制此类环境将变得越来越困难，这些策略既能应对意外事件，又能灵活应对可能随时间发生的操作和环境变化。解决这个问题的一个越来越有吸引力的方法是将此类操作的控制权分配给许多智能的、完成任务的计算代理。现实世界领域可能由多个代理填充。在这样的领域中，代理通常会执行许多复杂的任务，需要在一定程度上关注环境变化、时间约束、计算资源界限以及代理的短期行动可能对其长期目标产生的影响。在现实世界中运作意味着必须在时间和空间的多个粒度级别上处理意外事件。虽然代理必须保持反应能力才能生存，但如果代理要与其他代理协调其行动并以有效的方式处理复杂任务，则需要一定程度的战略和预测决策。本论文提出了一种新的集成代理架构，旨在为理性、自主、移动的代理提供在动态、实时、多代理领域中执行复杂、资源受限任务通常所需的各种行为。在调查了一系列现有架构并充分考虑了在特定领域中产生有效、稳健和灵活行为的要求后，通过集成许多审议和非审议控制功能，设计了最终的软件控制架构——TouringMachine 代理架构。这些功能以分层方式排列，组合起来赋予代理丰富的反应、目标导向、反思和预测能力。认识到代理的内部配置、任务环境和随后的行为库之间存在的复杂关系，代理架构已与功能丰富的仪器化模拟测试平台结合实施。该测试平台允许创建多种单智能体和多智能体导航任务场景，已用于评估架构的实用性并确定其一些主要优点和缺点。