XiaoMi-AI文件搜索系统
World File Search System机器接口
基于生物信号的共同适应用户机器接口，用于电机控制
抽象的用户机器接口映射从用户测量的生物信号，以控制外部设备的控制命令。从生物信号到设备输入的映射由解码算法执行。对用户和解码器的改编（共同适应）提供了提高不同用户和应用程序接口的包容性和可用性的机会。用户学习会导致可靠的接口控制，可以跨环境和上下文概括。解码器适应性可以个性化接口，说明日常信号变异性并提高整体性能。共同适应创造了塑造用户和解码器系统以实现可靠且可推广的个性化接口的机会。但是，共同适应创建了一个两学习系统，并在用户和解码器之间进行动态交互。工程共同自适应接口需要新的工具和框架来分析和设计用户 - 码头交互。在本文中，我们回顾了自适应解码，用户学习和在用户机器接口中的共同适应，可用于运动控制的用户机器接口，脑中脑部脑部计算机，肌电和运动接口。然后，我们讨论了自适应接口的性能标准，并提出了一种设计用户decoder共同适应的游戏理论方法。
可穿戴超分辨率肌肉-机器接口
肌肉是所有人类行为的执行器，从日常工作和生活到交流和情感表达。肌动图记录来自肌肉活动的信号，作为机器硬件和人类湿件之间的接口，允许直接和自然地控制我们的电子外围设备。尽管最近取得了重大进展，但传统的肌动图传感器仍然无法实现所需的高分辨率和非侵入式记录。本文对最先进的可穿戴传感技术进行了批判性回顾，这些技术以高空间分辨率（即所谓的超分辨率）测量深层肌肉活动。本文根据这些肌动图传感器在测量肌肉活动时记录的不同信号类型（即生物力学、生物化学和生物电）对这些肌动图传感器进行分类。通过描述每个肌动图传感器的特点和当前发展以及优点和局限性，研究了它们作为超分辨率肌动图技术的能力，包括：（i）传感单元的非侵入性和高密度设计及其对干扰的脆弱性，（ii）检测极限以记录深层肌肉的活动。最后，本文总结了这一快速发展的超分辨率肌动图领域的新机遇，并提出了有希望的未来研究方向。这些进步将使下一代肌肉-机器界面能够满足医疗保健技术、辅助/康复机器人和扩展现实的人体增强等现实生活中的实际设计需求。