XiaoMi-AI文件搜索系统
World File Search System目光
使用目光注视训练自适应肌电接口
肌电接口在消费者和健康应用中前景广阔，但目前它们受到不同用户之间性能差异和任务间通用性差的限制。为了解决这些限制，我们考虑在操作过程中不断适应的接口。尽管当前的自适应接口可以减少受试者之间的差异，但它们在任务之间的通用性仍然很差，因为它们在训练期间使用了特定于任务的数据。为了解决这一限制，我们提出了一种新范式，使用自然眼球注视作为训练数据来调整肌电接口。我们招募了 11 名受试者，使用从前臂肌肉测量的高密度表面 EMG 信号在 2D 计算机光标控制任务上测试我们提出的方法。我们发现我们的凝视训练范式和当前的任务相关方法之间的任务性能相当。这一结果证明了
加拿大——人工智能先驱，现将目光投向医疗保健领域
深度学习推动从学习仿生手臂到预测急诊室患者人数的突破：一切皆有可能。许多深度学习专家认为医疗保健是人工智能最有前景的领域之一，具有无数可能的应用。例如，在阿尔伯塔大学，研究人员正在测试一种实验性的仿生手臂，它使用机器学习来适应和预测截肢者的动作。而在多伦多的汉伯河医院，强大的计算机现在可以处理和分析整个医院的数据（入院、等候时间、转院、出院等），以准确预测患者人数、等候时间和急诊室的瓶颈——提前两天。
所有人的目光都集中在人工智能上：解决工作场所的数字化和人工智能问题
经合组织最近在 7 个国家（特别是工业和金融部门）开展的一项研究 2 显示，工人们担心人工智能的应用可能会带来失业风险。仅从工业部门的结果来看，在接受调查的实施人工智能的公司员工中，15% 表示他们认识有人因为人工智能而失业，而 14% 的人非常或极其担心 10 年内因人工智能而失业的风险。只有一半的受访员工一点也不担心。另一个有趣的结果是，使用人工智能的员工比其他人更担心失业的风险。这是因为他们更熟悉人工智能的功能吗？
国防部首席信息官将目光投向软件定义数据中心......
“我们是在事后才被叫来的。通常，当我们部署类似的东西时，我们会从头开始提供架构设计和最佳实践，但当我们到达那里时，他们已经完成了设计阶段，”Floyd 回忆道。August Schell 在实施阶段中期开始了这项合作，这意味着我们的工程团队必须从 Virtustream 团队成员离开的地方继续工作，并在过程中保持灵活性。“我们不能走回头路。他们已经在从事这个项目了，走回头路会导致财务问题，并增加他们实现 ATO 最终目标所需的时间。”
使用分形曲线将眼目光整合到机器学习中
眼目光跟踪传统上采用了相机来捕捉参与者的眼睛移动并表征其视觉固定。但是，凝视模式识别仍然具有挑战性。这既是凝视点的稀疏性，并且看似随机的方法参与者在没有设定任务的情况下以陌生的刺激来观看陌生的刺激。我们的论文提出了一种通过将固定的二维（x，y）坐标纳入一维希尔伯特曲线距离度量标准的二维（x，y）坐标，将眼睛注视到机器学习中的方法，使其非常适合实现机器学习。我们将这种方法与传统的基于网格的字符串替代技术进行比较，并在支持向量机和卷积神经网络中证明了实施示例。最后，将进行比较，以检查哪种方法的性能更好。结果表明，此方法既可以对大型数据集中的统计显着性进行动态量化扫描路径有用，又可以调查当参与者在免费观看实验中观察到的不熟悉刺激时，在共享自下而上处理中发现的相似性的细微差别。现实世界的应用程序可以包括与专业知识相关的眼光预测，医疗筛查和图像显着性识别。关键字：神经科学，眼动追踪，分形，支持向量机，卷积神经网络。
凝视失败：调查人类目光以应对协作任务中的机器人失败
摘要 - 机器人很容易犯错，这可能会对他们在与人类用户的协作任务中的队友的信誉产生负面影响。从这些失败中检测和恢复对于维持用户的有效信任水平至关重要。但是，机器人可能会失败而不意识到它。检测这种失败的一种方法可能是分析人类的非语言行为和对失败的反应。这项研究调查了人类凝视动力学如何表明机器人的失败，并检查了不同类型的故障如何影响人们对机器人的看法。我们与27名参与者进行了一项用户研究，与机器人移动操纵器合作解决了Tangram难题。机器人被编程为经历两种类型的故障 - 执行和决策 - 在任务的开头或结束时发生，无论是否确认失败。我们的发现表明，机器人故障的类型和时机显着影响参与者的凝视行为和对机器人的感知。具体来说，执行故障导致了更多的目光转移并增加了对机器人的关注，而决策失败导致感兴趣领域的凝视过渡的熵较低，尤其是在任务结束时发生故障时。这些结果表明，凝视可以作为机器人故障及其类型的可靠指标，也可以用于预测适当的恢复动作。索引术语 - 动物失败，凝视动态，人机协作
通过关注NeuroMarket的旅行网站中的目光跟踪来识别客户偏好
摘要可以通过基于神经科学和营销的交集的引入神经营销来检查他们对产品的视觉关注，可以分析与决策相关的人的心理和行为。本研究旨在通过通过在线度假预订网站调查其偏好和感兴趣的领域来确定影响消费者对旅行产品的决策的因素。在这项实验研究中，对四十年代的30名男性参与者进行了眼睛跟踪，并提取了对刺激的目光数据，并在问卷调查中与他们的选择进行了比较。该研究解决了以下研究问题：“关于客户偏好的领域，视觉关注会受到影响？”是否研究了有关空间产品的视觉信息的变化影响产品的偏好和决策。由于根据空间偏好的顺序分析了眼睛跟踪区域的结果，图像3（M = 782.65）包含室外空间的偏好率最高，其次是家具和网络信息。关于初始浓度，在时间流中，最快的浓度始于刺激2（4.21s），但浓度升高的时间是在刺激3（16.28s）处。视觉感知数据是根据个人喜好确定注视运动浓度的时间差的验证过程。分析了问卷调查，反映消费者有意识的偏好的相关性，以及凝视的数据，显示出无意识决策的数据。
针对患有皮质性视觉障碍的非语言学生的目光注视技术
这篇论文由 ScholarWorks 的 Walden 论文和博士研究系列免费提供给您，供您开放访问。它已被 ScholarWorks 的授权管理员接受并收录在 Walden 论文和博士研究中。如需更多信息，请联系 ScholarWorks@waldenu.edu。
3D臂目光：3D ARM的公共数据集到达虚拟现实中的注视信息
3D武器凝视是一个公共数据集，旨在从精确控制的，舒适的姿势到达宽的可触及空间中的物体时提供自然的手臂运动以及视觉和凝视信息。参与者参与了在虚拟环境中挑选和将物体放置在各种位置和方向上，从而使工作空间最大化了探索工作区，同时通过指导参与者通过躯干和肩部来确保参与者通过视觉反馈来确保一致的坐姿姿势。这些实验设置允许以高成功率（> 98％的物体）和最小的补偿性运动捕获自然手臂运动。数据集重组超过250万个样本，这些样本从20位健康参与者中记录，他们执行14,000个单次选拔运动（每位参与者700个）。最初旨在探索基于自然眼睛和手臂协调的新型假体控制策略，但该数据集也将对对核心感觉运动控制，人形机器人机器人，人类机器人相互作用以及在注视指导计算机视觉中相关解决方案的开发和测试的研究人员也很有用。
眼睛注视辅助操作
人机协作的一个关键挑战是构建一个系统，平衡自主机器人行为的实用性和直接人类控制的好处。这种平衡对于辅助操作系统尤其重要，辅助操作系统有望帮助残疾人更轻松地控制安装在轮椅上的机械臂来完成日常生活活动。为了提供有用的帮助，机器人必须了解用户的目标和任务偏好。我们的见解是，系统可以通过监控用户的自然目光注视行为来增强这种理解，因为心理学研究表明，目光注视对任务具有响应性且相关。在这项工作中，我们展示了如何使用目光注视来增强辅助算法。首先，我们分析遥控机器人操作过程中的目光注视行为，并将其与文献中关于手工操作的结果进行比较。然后，我们开发了一个管道，将原始目光注视信号与任务上下文相结合，为学习算法构建丰富的信号。最后，我们提出了一种新颖的目光注视用法，即机器人通过检测用户何时认为机器人的行为有问题来避免危险行为。