XiaoMi-AI文件搜索系统
World File Search System用户
UHFQA 用户手册
QAS：现在可以绕过串扰抑制矩阵来减少延迟 QAS：现在可以使用“信号输出”选项卡中的控件将振荡器直接输出到信号输出 1（正弦）和 2（余弦）上的信号输出上。相对节点已更改 QAS：现在可以在仪器的 Trigger Out 连接器上输出已辨别的量子位状态 QAS：可以在 LabOne UI 中编辑串扰抑制矩阵 QAS：现在可以通过 LabOne UI 中混频器的增益和相位不平衡指定去偏移参数 AWG：添加了 getQAResult 和 waitQAResultTrigger 指令以读取最后一个量子位状态辨别的结果 AWG：提高了编译速度和稳定性 AWG：波形查看器现在支持长达 10 MSa 的波形 AWG：序列器程序内存已限制为缓存内存 LabOne：macOS 支持 LabOne：图可以保存为 PNG 或 JPEG 格式 LabOne：为图、输入字段和设备连接对话框添加上下文菜单 LabOne API：使用 vectorWrite 进行波形更新，被更快、更强大的 setVector 方法取代。波形现在按照序列程序中定义的顺序排序，而不是按字母顺序排序。 LabOne API：波形更新现在使用整数格式。建议使用辅助函数 convert_awg_waveform 和 parse_awg_waveform 转换为新格式。 规格：添加了信号输出相位噪声的性能图
mm6108-ekh05 - 用户指南
1 简介 4 2 特性 5 3 开发环境 8 3.1 系统环境 8 3.2 开发选项 8 3.2.1 CMSIS 包 8 3.2.3 MM IoT SDK 8 3.2.4 PlatformIO + MM IoT SDK 9 4 入门 10 4.1 默认跳线配置 11 4.2 AP 设备设置 12 4.2.1 更改信道、带宽、DTIM 周期 16 4.3 软件示例 17 4.4 查看 MM6108-EKH05 演示 HTTP 服务器 18 5 软件开发 21 5.1 安装 CMSIS 包 21 5.2 构建和运行示例应用程序 24 5.2.1 UART 输出 30 5.3 更改示例应用程序 31 5.4 更改示例配置 33 5.5 在 SPI 和 SDIO 之间切换 34 5.6 更改网络堆栈38 6 硬件布局和配置 40 6.1 电源选择 40 6.2 使用外部调试器/编程器 41 6.3 更改 VFEM 电压 42 6.4 在 SDIO 和 SPI 之间切换 43 6.5 在 SMA 和 U.FL 连接器之间切换 44 6.6 断开传感器 45 7 功耗测量 46 7.1 功耗测量点 46 7.1.1 总体结构 46 7.1.2 HaLow 和 VFEM 47 7.1.3 整个系统功耗 48 7.2 功耗测量程序 49
SHFQC+ 用户手册
常规：添加了通过写入 /DEV…/SYSTEM/ PRESET/LOAD 节点将所有节点设置重置为预设值的功能。节点 /DEV…/SYSTEM/PRESET/BUSY 和 /DEV…/SYSTEM/PRESET/ERROR 允许监控预设状态。 QA 通道：添加了可切换的信号路径：RF（0.5 - 8.5 GHz）路径和 LF（DC - 800 MHz）路径。添加了用于分别在 QA 通道输入和输出的 RF 和 LF 路径之间切换的节点，即 /DEV…/QACHANNELS/n/INPUT/RFLFPATH 和 /DEV…/QACHANNELS/n/OUTPUT/RFLFPATH 。此外，节点 /DEV…/QACHANNELS/n/OUTPUT/RFLFINTERLOCK 允许启用联锁，以便输出的 RF/LF 路径设置始终配置为与输入的路径设置相匹配。 QA 通道：通过删除节点 /DEV…/QACHANNELS/n/MARKERS/m/SOURCE 的非功能性源设置（即“通道 2，序列器触发器输出”和“通道 2，读出完成”选择选项），清理了标记源选择。 QA 通道：修复了一个序列器错误，当使用多个连续的 playZero 命令并带有大量样本数（例如 131056）时，有时会跳过 playZero 命令。 QA 通道：添加了一个可选的同步检查，可确保在执行程序或内部触发器之前所有参与者都已报告其准备就绪状态。可以使用以下节点启用同步检查：/DEV…/QACHANNELS/n/SYNCHRONIZATION/ ENABLE。 QA 通道：修复了光谱延迟节点 /DEV…/QACHANNELS/n/ SPECTROSCOPY/DELAY 在设置为 4 ns 后不接受 0 ns 的错误。 SG 通道：更新了触发输入设置的默认值，以更好地反映典型用法。新的默认值如下：触发级别现在默认为 1 V（校准可能导致值与 1.0 V 略有不同），触发斜率检测现在默认为上升沿。 SG 通道：引入了 /DEV…/SGCHANNELS/n/SYNCHRONIZATION/ENABLE、/DEV…/SYSTEM/ SYNCHRONIZATION/SOURCE 和 /DEV…/SYSTEM/INTERNALTRIGGER/SYNCHRONIZATION/ENABLE 节点，以便即使在存在非确定性数据传输时间的情况下，也能在整个 QCCS 设置中保持波形播放同步。 SG 通道：弃用数字混频器重置功能。 手册：在 AWG 选项卡中添加了有关如何使用同步检查的部分。 手册：在基本波形生成教程中添加了有关如何通过使用适当的中心频率和触发释放时间设置在 LF 路径中实现相位再现性的提示。 LabOne：改进了 LabOne UI 的 SG AWG、QA 生成器和 DIO 选项卡中触发设置的标签，以更清楚地标记触发输入源如何对应于 SG 或 QA 通道的前面板输入。
Starship 用户指南
公司简介 SpaceX 成立于 2002 年，其宗旨是彻底改变太空出行方式并实现多星球社会。今天，SpaceX 使用其猎鹰 9 号和猎鹰重型运载火箭为各种各样的客户执行常规太空任务，这些客户包括美国国家航空航天局 (NASA)、国防部、国际政府和领先的商业公司。SpaceX 通过 Dragon 飞船执行往返国际空间站 (ISS) 的货物补给和返回任务，为 NASA 提供进一步支持。SpaceX 很快也将开始向国际空间站运送机组人员。为了提供有竞争力的发射和补给服务，SpaceX 在猎鹰和 Dragon 系统中加入了可重复使用性，这在降低成本的同时提高了火箭的可靠性。星际飞船计划现在利用 SpaceX 的经验来推出能够快速可靠地重复使用的下一代超重型太空运输系统。
人机交互中的用户表征
摘要 光标、头像、虚拟手或工具以及其他渲染的图形对象使用户能够与 PC、游戏机或虚拟现实系统等计算机进行交互。我们从用户的角度在“用户表征”的统一概念下分析这些不同对象的作用。这些表征是虚拟对象，它们人为地延伸了用户的身体，使他们能够通过执行不断映射到其用户表征的运动动作来操纵虚拟环境。在本文中，我们确定了一组与不同用户表征相关的概念，并对用户表征的控制和主观体验背后的多感官和认知因素进行了多学科回顾。这些概念包括视觉外观、多模态反馈、主动感、输入法、近体空间、视觉视角和身体所有权。我们进一步为这些概念提出了研究议程，这可以引导人机交互社区从更广泛的视角了解用户如何通过他们的用户表征进行感知和交互。
机器人上肢矫形器的意图检测策略：考虑可用性、日常生活应用和用户评价的范围审查
可穿戴机器人上肢矫形器 (ULO) 是辅助或增强用户上肢功能的有前途的工具。虽然这些设备的功能不断增加，但对用户控制可用自由度的意图的稳健和可靠检测仍然是一项重大挑战，也是接受的障碍。作为设备和用户之间的信息接口，意图检测策略 (IDS) 对整个设备的可用性具有至关重要的影响。然而，这方面及其对设备可用性的影响很少根据 ULO 的使用环境进行评估。进行了范围界定文献综述，以确定已通过人类参与者评估的应用于 ULO 的非侵入式 IDS，特别关注与功能和可用性相关的评估方法和发现及其在日常生活中特定使用环境的适用性。共确定了 93 项研究，描述了 29 种不同的 IDS，并根据四级分类方案进行了总结和分类。与所述 IDS 相关的主要用户输入信号是肌电图 (35.6%)，其次是手动触发器，例如按钮、触摸屏或操纵杆 (16.7%)，以及上肢节段的残余运动产生的等长力 (15.1%)。我们确定并讨论了 IDS 在特定使用环境中的优缺点，并强调了在选择最佳 IDS 时性能和复杂性之间的权衡。通过调查评估实践来研究 IDS 的可用性，纳入的研究表明，主要评估了与有效性或效率相关的客观和定量的可用性属性。此外，它强调了缺乏系统的方法来确定 IDS 的可用性是否足够高以适合用于日常生活应用。这项工作强调了针对用户和应用程序选择和评估用于 ULO 的非侵入式 IDS 的重要性。对于该领域的技术开发人员，它进一步提供了有关IDS的选择过程以及相应评估协议的设计的建议。
以用户为中心的可解释人工智能框架...
最先进的人工智能 (AI) 技术已经达到了令人印象深刻的复杂性。因此，研究人员正在发现越来越多的方法将它们用于实际应用。但是，这种系统的复杂性要求引入使这些系统对人类用户透明的方法。AI 社区正试图通过引入可解释 AI (XAI) 领域来克服这一问题，该领域旨在使 AI 算法不那么晦涩难懂。但是，近年来，人们越来越清楚地认识到 XAI 不仅仅是一个计算机科学问题：由于它与通信有关，因此 XAI 也是人机交互问题。此外，AI 走出实验室是为了在现实生活中使用。这意味着需要针对非专家用户量身定制的 XAI 解决方案。因此，我们提出了一个以用户为中心的 XAI 框架，该框架侧重于其社交互动方面，灵感来自认知和社会科学的理论和发现。该框架旨在为非专家用户提供交互式 XAI 解决方案的结构。
使用生成式人工智能检查用户界面对信任和交互的影响
本论文研究了不同的用户界面 (UI) 设计如何影响用户对生成式人工智能 (AI) 工具的信任。我们进行了一项实验，采用绿野仙踪方法测试了三种具有不同 ChatGPT UI 变体的工具的信任级别。来自不同学科的九名志愿大学生参加了实验。我们使用问卷来评估参与者在与每种工具交互后以及与所有工具交互后的信任感知。结果表明，参与者之间的信任水平受到生成式 AI 的 UI 设计的影响，尤其是头像设计和文本字体。尽管共享相同的文本源，但大多数参与者认为 ChatGPT 与其他工具相比最值得信赖。结果还强调了对话界面在与生成式 AI 系统建立信任方面的重要性，参与者表示更喜欢促进自然和引人入胜的交互的界面。该研究强调了 UI 对信任的重大影响，旨在鼓励对生成式 AI 更加谨慎的信任。