XiaoMi-AI文件搜索系统
World File Search System景中
以人为本的痴呆症护理人工智能：利用强化学习在饮食场景中提供个性化干预支持
摘要。对于患有早期痴呆症 (PwD) 的人来说，记住定期进食和饮水并保持健康独立的生活可能具有挑战性。现有的智能家居技术主要侧重于活动识别，但缺乏自适应支持。这项研究通过开发受即时自适应干预 (JITAI) 概念启发的 AI 系统来解决这一差距。它适应个人行为并在家庭环境中提供个性化干预，提醒和鼓励 PwD 管理他们的饮食习惯。考虑到 PwD 的认知障碍，我们根据医疗保健理论和护理人员的见解设计了一个以人为本的人工智能系统。它采用强化学习 (RL) 技术来提供个性化干预。为了避免与 PwD 的过度互动，我们开发了一种基于 RL 的模拟协议。这使我们能够在各种模拟场景中评估不同的 RL 算法，不仅可以找到最有效和最高效的方法，还可以在实施现实世界的人类实验之前验证我们系统的稳健性。模拟实验结果证明了自适应 RL 在构建以人为本的 AI 系统方面具有良好的潜力，该系统可以感知同理心的表达，以改善痴呆症护理。为了进一步评估该系统，我们计划进行现实世界的用户研究。
dfsnet：一个3D点云分割网络朝着果园场景中的树木检测
摘要：为了指导果园管理机器人实现果园生产中的某些任务，例如自主导航和精确喷涂，这项研究提出了一个深入学习的网络，称为动态融合细分网络（DFSNET）。该网络包含局部特征聚合（LFA）层和动态融合分割体系结构。LFA层使用位置编码器进行初始转换嵌入，并通过多阶段层次结构逐渐汇总本地模式。Fusion分割模块（FUS-SEG）可以通过学习多插入空间来格式化点标签，而生成的标签可以进一步挖掘点云特征。在实验阶段，在果园田的数据集中证明了DFSNET的显着分割结果，其准确率为89.43％，MIOU率为74.05％。dfsnet优于其他语义细分网络，例如PointNet，PointNet ++，D-PointNet ++，DGCNN和Point-NN，其精度的提高了11.73％，3.76％，3.76％，2.36％，2.36％和2.74％，并分别为2.74％，并改善了这些网络，并改善了这些网络，并分别为28.3％，28.3％，9.9％，9.9％，9.9％，9.9％，9.9％，9.9％，占28.3％，占28.3％，占28.3％，分别为9.19％，分别为9.9％，均为28.3％，分别为9.3％，分别为2.19％。在全尺度数据集（简单尺度数据集 +复杂尺度数据集）上，分别为9.89和24.69％。提议的DFSNET可以从果园场景点云中捕获更多信息，并提供更准确的点云分割结果，这对果园的管理有益。
军事技术及其在战争机器人战争的未来战略远景中的有效性
inas diyaa Mahdi助理教授，国际关系与外交系法律与国际关系学院，西汉大学 - 欧比尔。摘要：人类不再仅具有其先进的肌肉或军事能力，甚至不再具有核武器，而是发展了高度破坏性的电子机器，以取代流血战争管理中的人类因素。但是破坏性技术将在哪里占据人类的未来？国家的命运会在人类智能以外的大脑之后由机器人控制吗？人类是否能够控制下一个技术挑战，还是机器人可以控制国家和人民的命运？根据上述问题，已经制定了对战斗机器人在未来战争过程中对军事技术的控制的假设，从而导致人类决策者在政治生活过程中失去了控制。引言技术已经改变了人际关系，重大控制了人类行为和人际关系的质量，并将前所未有的经济和工业系统转变为持续发展。它的干预不仅限于改变人类交流和互动的性质，而是改变了军事方面，这改变了战争形式和手段，直到技术使用的手段变得更具破坏性和颠覆性对人类早期所取得的成就。军事技术最引人注目的成就之一是高水平的指导式战斗机器人，这些机器人减少了创纪录时间的战争的破坏。该研究试图证明战争技术的持续发展的影响加剧了对战斗机器人武器的使用，以至于很难在战争过程中重定向人类控制。这可能是因为军事机器人可以超越人类与这种进化的能力发展大脑。这有助于人类与战争管理的孤立。这项研究基于以下假设：战斗机器人对未来战争的军事技术的日益控制导致人类决策者对政治生活的控制丧失。为了验证假设，研究涵盖了历史军事机器人，机器人组件，主要类型，未来战争，军备竞赛和机器人战争的潜在风险。
冷且密集的扰动QCD在非常强的磁性背景中
我们计算有限的baryon密度扰动QCD中的第一原理和非常高的磁场的压力，最多可达两循环和物理夸克质量。我们框架的有效性区域由M s≪μQ效应效率p给出，其中m s是奇怪的夸克质量，μQ是夸克化学电位，E是基本电荷，而B是磁场强度。我们在运行耦合中包括重新归一化量表的效果，αSðμq；效率EBpÞ，并运行奇怪的夸克质量。我们还讨论了手性限制中的简化。交换图有效地忽略的贡献允许为纯夸克磁铁的状态方程构建一个简单的分析模型，并在非常大的b值下计算其质量和半径。这些结果对扰动QCD的最大质量和相关半径的行为产生了限制。我们还讨论了极端磁场的磁袋模型。
bev-mae：在自动驾驶场景中进行点云预训练的鸟类视图蒙面的自动编码器
现有的基于LIDAR的3D对象检测方法主要采用从划线范式进行训练。不幸的是，这种范式在很大程度上重新确定了大规模标记的数据，其收集可以充分陈述且耗时。自我监管的预训练是一种减轻这种依赖对广泛注释数据的有效且理想的方法。在这项工作中，我们提出了一种有效的掩盖自动编码器预训练框架 - 基于LIDAR的3D对象检测的自动驾驶前训练框架。具体来说，我们提出了鸟类视图（BEV）指导性掩盖策略，以指导3D编码器学习功能表示BEV的角度，并避免在预训练期间使用综合解码器设计。此外，我们还可以学习一个可学习的点令牌，以维持3D编码器的一致的回收字段大小，并进行微调的遮罩云输入。基于自主驾驶场景中室外点云的属性，即，遥远对象的点云更为稀疏，我们提出了点的预测，使3D编码器能够学习位置信息，这对于对象检测至关重要。实验结果表明，BEV-MAE超过了先前的自我监管方法，并实现了有利的预训练效率。此外，基于输血-L，BEV-MAE在基于Nuscenes的基准上获得了73.6 NDS和69.6 MAP的新最先进的3D对象检测结果。源代码将在https://github.com/vdigpku/bev-mae上发布。
在大愿景中检查性别和种族偏见 - ...
随着大语言模型（LLM）和随后的聊天模型的最新进展，出现了新的大视力 - 语言模型（LVLM）的新浪潮。此类模型除文本外还可以输入输入，并执行诸如视觉问题的任务，图像字幕，故事产生等。在这里，我们根据输入图像中人们的特征来检查此类系统中潜在的性别和种族偏见。为此，我们提出了一个新的数据集对（日常场景的并行图像）。对数据集包含一组人的AI生成图像，因此图像在背景和视觉内容方面非常相似，但沿性别（男人，女人）和种族（黑色，白色）的维度有所不同。通过使用此类图像查询LVLM，我们根据所描绘的人的感知一代或种族观察到响应的显着差异。
学习在高度互动的自主驾驶场景中模拟各种驾驶行为，并通过多机构强化学习
通过多机构增强学习训练的自动驾驶汽车（MARL）在许多驾驶场景中都表现出了令人印象深刻的结果。，当面对各种驾驶风格和个性时，尤其是在高度相互挑战的情况下，这些训练有素的政策的表现会受到影响。这是因为常规MARL算法通常在所有代理商之间完全合作的行为下运行，并专注于在培训期间最大化团队奖励。为了解决此问题，我们介绍了人格建模网络（PENN），其中包括合作价值功能和个性参数，以模拟高度交互式场景中的各种交互。PENN还可以通过各种行为来培训背景交通流量，从而改善了自我车辆的性能和概括。我们的广泛的实验研究，该研究将不同的人格参数纳入高度交互式驾驶场景，证明了人格参数
在小组场景中体现有说服力的类人动物的礼貌
在物理和虚拟环境中，小组互动都显着塑造了我们的社会经历。理解并复制与虚拟代理或物理机器人的群体相互作用构成了可能性和挑战。对这些挑战的核心是礼貌的关键方面，这是塑造我们社会互动的基本基石。该博士学位论文研究了礼貌策略在与人类人工制剂中物理和虚拟环境中小型独立对话群体内的社交互动中的深刻意义。它特别关注它们对虚拟字符或实施对话剂（ECA）和人类机器人相互作用（HRI）的适应性。论文探讨了这些策略对参与者与虚拟药物或人形机器人之间相互作用期间积极看法的说服力，遵守社会规范的影响，同时加入了一组人造类人动物。它涉及一系列的用户研究，并进行了实验设置，这需要在虚拟或物理环境中向参与者展示困境。参与者应决定花费更多的努力，以遵守代理商的请求，或者选择最小二能力的替代方案，同时忽略该请求。补充，设置评估了参与者对虚拟代理商或机器人表达的各种礼貌策略的回应，以扩展邀请加入一个小型独立型团体。这项研究通过定义与礼貌策略保持一致的行为，即使在需要更加努力的选择的情况下揭示了参与者遵守社会规范，并根据诸如说服力，礼貌和社会遵守的标准来指出最佳行为。最终，这些发现提供了对礼貌策略在人类代理互动中与众不同的作用的见解，以轻轻影响人类的决策，同时与他们保持积极的关系。这些见解铺平了为各种领域的虚拟代理和机器人设计更有效和社会可接受的行为的道路。
卫星对地量子密钥分发场景中大气背景光的测量表征
摘要：量子密钥分发 (QKD) 可实现具有信息理论安全性的私人通信。自由空间光通信允许人们实施 QKD，而不受光纤网络的限制，例如光纤中传输损耗的指数级增长。因此，通过卫星链路进行自由空间 QKD 是一种有前途的技术，可提供长距离量子通信连接。在自由空间 QKD 系统中，背景光是噪声的主要来源，必须通过光谱、空间和时间滤波来抑制背景光，以达到足够低的量子比特误码率 (QBER)。只有这样才能成功交换量子密钥。为了能够定义自由空间 QKD 系统的要求，必须更仔细地检查背景光。目前的考虑集中在无云的天空和乡村环境中。当天空部分有云时，自由空间 QKD 也会发生，最有可能也在城市环境中发生。这里概述了下行链路场景中背景光的物理原因。此外，还推导出了具有偏振编码量子位的诱饵态 BB84 协议的 QBER 与背景光之间的关系，以给出依赖关系的示例。此外，还展示了一个实验研究背景光的装置。在慕尼黑（德国）附近的 Oberpfaffenhofen 使用该装置在 C 波段获取测量数据。测量数据用于验证背景光模拟工具。结果强调模拟工具足以应对晴朗天空场景。
在大型农作物模型和CMIP5和CMIP6气候场景中探索全球作物产量预测的不确定性
在新元古代和古元古代时代时期，地质证据表明，当地球大部分表面覆盖在冰上时，地质的证据表明了几个“雪地地球”发作。这些全球尺度冰川代表了地球历史上最明显的气候变化。我们表明，在小行星撞击的大小与Chicxulub撞击相当的小行星影响之后的影响冬季可能导致冰 - 阿尔贝托的反馈和全球冰川化。使用最先进的气候气候模型，我们模拟了对工业前，最后冰川最大（LGM），白垩纪样和新元古代气候的影响后的气候反应。虽然在工业前和类似白垩纪的气候中温暖的海洋温度可以防止滚雪球的启动，但LGM的较冷海洋和冷的Neoperoroxoic气候场景迅速形成海冰，并表现出对海洋初始状况的高灵敏度。给出了冷弹丸气候的建议，我们认为通过大量影响，雪地地球的启动是一种强大的可能机制，正如其他人先前所建议的那样，并通过讨论地质测试来得出结论。