XiaoMi-AI文件搜索系统
World File Search System机器人
受花粉粒启发的多功能 3D 打印水凝胶微型机器人，用于按需锚定和货物运送
此类移动医疗微型机器人的开发和实施，包括软机器人微设备的制造[11,12]、生物相容性或响应性 (自适应) 材料的合成[13–15] 以及体内运动策略。[16–22] 已提出了大量远程控制医疗微型机器人，以实现形状改变、多功能化和重构，以响应不同的刺激，如磁场[23–27]、温度[28,29]、化学物质[30,31]、光[32] 和超声波[33,34]，用于各种医疗应用，如靶向药物输送、微创手术和遥感。[35,36] 然而，微型机器人与生物组织的相互作用、复杂的生物流体环境以及多种刺激的重叠是其未来医疗应用面临的主要挑战。[37]
卫星和地面视图之间的跨注意，以增强细粒度的机器人地理位置
跨视图图像地理位置定位旨在通过用GPS标记的卫星图像补丁绘制当前的街道视图图像来确定户外机器人的位置。最近的作品在识别卫星贴片中达到了显着的准确性，该卫星贴片在机器人所在，其中将中央像素在匹配的卫星贴片中用作机器人粗糙位置估计。这项工作着重于机器人在已知的卫星贴片中的细粒度定位。现有的细颗粒定位工作利用相关操作来获得卫星图像本地描述符和街道视图全局描述符之间的相似性。基于衬里匹配的相关操作简化了两个视图之间的相互作用过程，从而导致距离误差很大并影响模型的概括。为了解决这个问题，我们设计了一个具有自我注意力和跨注意层的跨视图功能fu-sion网络，以取代相关操作。此外，我们将分类和回归预测结合在一起，以进一步降低位置距离误差。实验表明，我们的新型网络体系结构的表现优于最先进的，可以在看不见的地区更好的概括能力。具体而言，我们的方法在同一区域和在活力基准的同一区域和看不见的区域中分别将中位定位距离误差降低了43％和50％。
2024-2025 CRA QUAD论文：对下一代机器人技术劳动力
虽然有些机器人教育计划可用于小学和中学生（例如，Botball，First和vex），这些计划通常作为补充活动提供，通常需要额外的费用，并且需要留在放学后。因此，这些计划通常仅受益于狭窄的学生。机器人教育目前只达到一小部分学生，为了我们的国家，必须使社会更广泛的部分可以进入。简单的机器人（例如Arduino Bots）可以像图形计算器一样廉价，并为学生提供动手的介绍性电气和机械工程经验，以及编码和理解机器人视觉。对幼儿园像幼儿园一样年轻的儿童的教育机器人学计划存在，但他们并未融入课程中。从小就激发了我们国家青年的机器人的创造性和智力兴趣对于维持机器人技术的劳动力并保留美国在机器人技术和AI开发方面的领导才能至关重要。
在手动和机器人辅助工作中为操作员建模疲劳5.0
职业应用疲劳以及许多其他人类绩效因素，影响工人的健康状况，从而产生了生产质量和效率。采用行业5.0观点，我们建议将人类绩效模型整合到更广泛的工业系统模型中可以提高建模准确性并带来卓越的成果。将我们的工人疲劳模型整合为其工业系统建筑师模型的一部分，使领先的飞机制造商Airbus可以更准确地预测系统的性能，这是劳动力妆容的函数，这可能是人类工人和机器人的组合，或者是经验丰富且经验丰富且经验丰富且经验丰富的工人的组合。我们的方法证明了将人类绩效模型包括在商店地板上引入机器人的重要性和价值，可用于在工业系统模型中包括人类绩效的各个方面，以满足特定的任务要求或不同级别的自动化。
海洋机器人技术中的博士学位候选人
该博士职位将集中于研究实现机器人系统的研究，这些机器人系统大多以无监督的方式表征和监测海洋环境。自主系统可以在海洋中进行具有成本效益的广泛数据收集，监视和检查，并为执行持续操作的可能性较少，而对人类运营商的依赖较少。这些属性使自主系统对于执行操作以探索，映射和监视具有挑战性的海洋环境的机器人组织是可取的。但是，在非结构化和苛刻的海洋中，成功的任务需要通过优化的观察平台系统和监督风险控制来提高安全性，智能和操作能力，该操作是在保障项目中解决的（“智能自治系统，用于保护海上的保护操作和基础设施””。该立场对正在进行的项目保障和CARO（“自动机器人操作中心海底”）中的研究补充，这些研究正在开发类似的功能，重点是海底基础架构。具体来说，该职位将解决这些领域的一个或多个：
通过扩展主动推理进行目标导向规划和目标理解：通过模拟和物理机器人实验进行评估
摘要：我们表明，通过扩展主动推理框架，可以在目的论框架中制定目标导向的行动规划和生成。所提出的模型建立在变分递归神经网络模型上，具有三个基本特征。这些特征是：（1）可以为静态感官状态（例如要达到的目标图像）和动态过程（例如围绕物体移动）指定目标；（2）该模型不仅可以生成目标导向的行动计划，还可以通过感官观察来理解目标；（3）该模型根据从过去的感官观察推断出的当前状态的最佳估计，为给定目标生成未来的行动计划。通过在模拟移动代理以及执行对象操作的真实人形机器人上进行实验来评估所提出的模型。
在手动和机器人辅助工作中为操作员建模疲劳5.0
职业应用疲劳以及许多其他人类绩效因素，影响工人的健康状况，从而产生了生产质量和效率。采用行业5.0观点，我们建议将人类绩效模型整合到更广泛的工业系统模型中可以提高建模准确性并带来卓越的成果。将我们的工人疲劳模型整合为其工业系统建筑师模型的一部分，使领先的飞机制造商Airbus可以更准确地预测系统的性能，这是劳动力妆容的函数，这可能是人类工人和机器人的组合，或者是经验丰富且经验丰富且经验丰富且经验丰富的工人的组合。我们的方法证明了将人类绩效模型包括在商店地板上引入机器人的重要性和价值，可用于在工业系统模型中包括人类绩效的各个方面，以满足特定的任务要求或不同级别的自动化。
高等教育中的生成聊天机器人
高等教育中生成聊天机器人的出现为教学和学习提供了变革的机会。使用AI驱动的工具，例如OpenAI的GPT和类似的模型，教育工作者可以探索提供内容，协助研究和提供个性化学习经验的新方法。但是，这些创新具有重大的道德意义。本文探讨了生成性聊天机器人作为教学工具的潜力以及与学术界使用相关的道德问题。在高等教育的背景下检查了学术完整性，AI模型中的偏见，人类教育者的作用以及学生数据的隐私。通过探索机会和挑战，本文旨在提供有关机构如何负责任地采用这些技术以增强学习的见解，同时维护道德标准。
教育机器人 - 平台 - 竞争与预期 - ...
摘要是由于最近对教育机器人技术的兴趣爆炸（ER）的爆炸，本文试图通过提出新的思考和探索相关概念的新方法来探讨这一领域。本文的贡献是四倍。首先，未来的读者可以将本文用作探索教育机器人技术的预期学习成果的参考点。从详尽的潜在学习收益列表中，我们提出了一组六个学习成果，可以为机器人活动设计的可行模型提供一个起点。第二，本文的目的是作为最近的ER平台的调查。在越来越多的可用机器人平台的驱动下，我们收集了最新的ER套件。我们还提出了一种对平台进行分类的新方法，该平台没有制造商的模糊年龄范围。所提出的类别（包括无代码，基本代码和高级代码）源自学生需要有效地使用它们的先验知识和编程技能。第三，随着ER竞赛的数量和比赛与ER平台的增加同时增加，该论文介绍并分析了最受欢迎的机器人事件。机器人竞赛鼓励参与者在促进特定学习成果的同时发展和展示自己的技能。本文旨在提供这些结构的概述并讨论其效率。最后，本文探讨了提出的ER竞争的教育方面及其与六个拟议的学习成果的相关性。这提出了一个主要特征组成竞争并实现其教学目标的问题。本文是第一项研究，将潜在的学习收益与我们的竞争与我们的最佳知识相关联。