XiaoMi-AI文件搜索系统
World File Search System标准轨迹
一种使用人工智能模型优化规划具有最高骨密度和最强拔出力的椎弓根螺钉轨迹的新型手术规划系统
目的 本研究旨在评估一种新型人工智能 (AI) 模型在骨质疏松患者中识别具有更高骨矿物质密度 (BMD) 和更高拉出力 (POF) 的优化椎弓根螺钉轨迹的能力。方法 使用 3D 图形搜索和基于 AI 的有限元分析模型开发了一种创新的椎弓根螺钉轨迹规划系统，称为骨轨迹。回顾性分析了 21 名老年骨质疏松患者的术前 CT 扫描。AI 模型自动计算替代椎弓根轨迹的数量、轨迹 BMD 和 L3-5 的估计 POF。记录优化轨迹的最高 BMD 和最高 POF，并与 AO 标准轨迹进行比较。结果 患者平均年龄为 69.6 ± 7.8 岁，椎体平均 BMD 为 55.9 ± 17.1 mg/ml。在 L3–5 两侧，优化轨迹的 BMD 和 POF 均显著高于 AO 标准轨迹（p < 0.05）。平均而言，优化轨迹螺钉的 POF 与 AO 轨迹螺钉相比至少增加了 2.0 倍。结论 新型 AI 模型在选择比 AO 标准轨迹具有更高 BMD 和 POF 的优化椎弓根轨迹方面表现良好。
一种新型手术规划系统，使用人工智能模型来优化具有最高骨矿物质密度和最强拉出力的椎弓根螺钉轨迹规划
目的 本研究旨在评估一种新型人工智能 (AI) 模型在骨质疏松患者中识别具有更高骨矿物质密度 (BMD) 和更高拉出力 (POF) 的优化椎弓根螺钉轨迹的能力。方法使用 3D 图形搜索和基于 AI 的有限元分析模型开发了一种创新的椎弓根螺钉轨迹规划系统（称为 Bone's Trajectory）。回顾性分析了 21 名老年骨质疏松患者术前 CT 扫描。AI 模型自动计算替代椎弓根轨迹的数量、轨迹 BMD 和估计的 L3-5 POF。记录优化轨迹的最高 BMD 和最高 POF，并将其与 AO 标准轨迹进行比较。结果 患者平均年龄为 69.6 ± 7.8 岁，平均椎体 BMD 为 55.9 ± 17.1 mg/ml。在 L3–5 的两侧，优化轨迹的 BMD 和 POF 明显高于 AO 标准轨迹（p < 0.05）。平均而言，优化轨迹螺钉的 POF 至少比 AO 轨迹螺钉增加 2.0 倍。结论 新型 AI 模型在选择 BMD 和 POF 高于 AO 标准轨迹的优化椎弓根轨迹方面表现良好。
基于人类 - 机器人协作拆卸电动汽车电池电池回收
通过在各种工业领域的广泛应用新电动汽车（EV）电池，建立一个系统的智能电池回收系统非常重要，该系统可用于发现退休EV电池的资源废物和环境影响。通过汇总不确定和动态的拆卸和梯队利用电动电动电池回收，可以使用人 - 机器人协作（HRC）拆卸方法来解决有关退休电动汽车电动电动电动电动电池恢复效率的巨大挑战。为了找到基于HRC拆卸过程的拆卸任务计划，用于退休的电动汽车电池回收，由多机构增强学习（MARL）提出了动态拆卸的顺序任务优化方法算法。此外，有必要根据2D平面中的HRC拆卸任务拆卸退休的电动汽车电池拆卸轨迹，该轨迹可用于通过组合Q-Learning算法来获取相同拆卸平面的最佳拆卸路径。可以通过标准轨迹匹配来完成灾难性任务序列。最后，通过特定电池模块的拆卸操作验证了所提出的方法的可行性。[doi：10.1115/1.4062235]
采用信念随机最优控制的稳健空间轨迹设计
步进轨迹通常经过优化以满足标准场景中的科学和飞行系统约束。然而，在实际应用中，完全遵循参考轨迹是不可能的，因为不确定性总是影响系统；不确定性可能是由于不完善的状态知识、不完善的动态参数、错过的推力事件或执行错误造成的。在设计阶段，通常通过导航分析事后评估参考轨迹对这些不确定性的稳健性和可靠性，并通过多次迭代调整标准设计。通过评估轨迹受到不同不确定性实现影响时的任务结果来进行稳健性和可靠性评估。为了提高稳健性，通过增加推进剂裕度和强制滑行弧进行轨迹校正机动 (TCM)，或降低推力水平来确保对轨迹进行微小调整。因此，该迭代过程主要将标准轨迹优化视为与不确定性处理阶段分离。此过程通常很耗时，并且可能导致具有过于保守的裕度的次优轨迹。组件和发射器的最新发展现在使深空微型卫星和纳米卫星任务成为可能。此类航天器的轨道控制能力有限（DV 有限），状态知识（地面站访问有限）和执行（TRL 组件低）的不确定性很大，裕度和系统冗余的可能性低（尺寸和成本有限）。因此，对于这些任务，轨迹的设计更重要的是其对不确定性的稳健性。虽然不确定性下的轨迹优化是小型航天器的一种可行方法，但大型传统任务也将受益于随机轨迹优化，既可以提高性能，因为随机最优轨迹通常与具有经验裕度的确定性轨迹不同，也可以减少设计迭代次数。如上所述，目前主要的实际方法是分配后验经验裕度 [1,2]。最近的研究采用随机最优控制问题的不同公式生成了稳健轨迹。模型预测控制或随机闭环公式用于解释控制曲线中的校正项 [3,4]。通过随机规划研究了发动机暂时故障的情况 [5,6]。微分