XiaoMi-AI文件搜索系统
World File Search System构图
组织结构图 2022 年 7 月
Markus Antonietti 教授 董事 总经理 2023 年 1 月 1 日 – 2024 年 12 月 31 日 Peter Fratzl 教授 董事 Peter H. Seeberger 教授 董事 总经理 2025 年 1 月 1 日 – 2026 年 12 月 31 日 Silvia Vignolini 教授 董事
智能多响应性生物材料及其在4D生物构图中的应用
摘要：4D打印的出现已成为在生物医学应用（例如组织工程和再生医学）中产生复杂结构的关键工具。本章概述了该领域的当前状态及其巨大的潜力，以更好地理解所涉及的技术以建立复杂的4D打印结构。这些结构具有感知和响应各种刺激的能力，其中包括温度，湿度或电力/磁化剂的变化。首先，我们描述了4D打印技术，其中包括基于挤出的喷墨打印，以及基于光的基于液滴的方法，包括选择性激光烧结（SLS）。还提出了几种用于4D打印的生物材料，随着时间的流逝，它们可能会在各种外部刺激中发生结构变化。这些结构具有革新需要适应能力和智能材料的领域的希望。此外，突出了4D打印智能结构的生物医学应用，涵盖了从药物输送到再生医学的各种预期应用。最后，我们解决了与当前技术相关的许多挑战，涉及技术的道德和监管方面，以及在体外以及在体外以及4D打印结构的体内测试中都需要标准化方案，这是针对最终临床实现的重要步骤。
JAXA 组织结构图
〔安全与任务保障高级首席官〕 KOHATA Hiroki 卫星应用和操作中心 (SAOC) MAEJIMA Hironori 月球和行星探索数据分析组 MURAKAMI Shinya
navprog：构图体现的视觉导航，没有训练
大型语言模型（LLMS）正在彻底改变AI，并在组合模块中表现出出色的推理能力，以执行基于图像的复杂任务。在本文中，我们提出了一种方法，该方法通过LLMS的图像扩展了程序组成的概念，旨在将它们整合到体现的代理中。具体来说，通过将PointGoal Navigation模型视为指导代理商通过世界的基础原始模型，我们幻想了单个模型如何无需其他培训即可解决不同的任务。我们将原始成分委托给LLM，只有少数在提示的示例。我们评估了三个体现的AI任务的方法：对象目标导航，实例图像目标导航和体现的问题答案，证明了竞争性结果，而没有任何特定的微调和在零拍情上的效力。
学习机器人想象的学习构图世界模型
文本对视频模型在机器人决策中表现出了实质性的潜力，从而使未来的现实计划以及准确的环境模拟实现了现实计划的想象。但是，此类模型中的一个主要问题是一般化 - 模型仅限于综合视频，但受到与培训时间相似的语言指令约束的视频。这在决策中严重限制，我们寻求一个强大的世界模型来综合对象和行动的不显示的计划，以便在新环境中解决以前看不见的任务。为了解决此问题，我们介绍了Robodreamer，这是一种通过分配视频生成来学习组成世界模型的创新方法。我们利用语言的自然组成性将说明解析为一组低级原始词，我们调节一组模型以生成视频。我们通过允许我们制定新的自然语言教学作为先前看到的组成部分的组合来说明这种分解如何自然地实现组成的重新化。我们进一步展示了这样的分解如何使我们能够添加附加的多模式目标，从而使我们能够指定一个我们希望同时给定自然语言指令和目标图像生成的视频。我们的AP-PRACH可以成功地合成RT-X中看不见的目标的视频计划，在仿真中成功执行机器人，并且在视频生成方面实质上优于单片基线方法。
