XiaoMi-AI文件搜索系统
World File Search System眼动仪
自动化自闭症谱系障碍诊断系统
本文考虑了 ASD 患者的广泛年龄范围（8-20 岁），以免错过任何细微的变化，因为 ASD 症状会随着年龄的增长而变得更加明显。现有的系统 Janssen 自闭症知识引擎 (JAKE) 包含 3 个部分 - My JAKE 网络和移动应用程序，用于记录症状、记录治疗、收集医疗数据和跟踪进度）、JAKE sense（包含眼动仪、EEG、ECG 等生物传感器，用于检测和监测 ASD 的变化）和 JAKE stream（收集、同步和处理收集到的数据）。然而，本研究考虑了 EEG 和眼动追踪数据与计算数据的同时相互作用，这为验证任何未来的临床诊断系统提供了更有效和更通用的结果，这
开发快速而强大的凝视跟踪系统...
更直观的输入设备用于游戏交互，凝视是一种快速而自然的输入方法，也可以被利用[18]。Jonsson 比较了眼球和鼠标控制作为两个三维 (3D) 计算机游戏的输入，发现凝视控制更准确，游戏体验更令人愉快和投入 [3]。Smith 和 Graham 研究了几种游戏类型的眼球输入，主要是 3D 导航。他们的结果表明，参与者在使用眼动仪作为游戏输入设备时感觉更加沉浸 [4]。Kenny 等人。开发了一款第一人称射击 (FPS) 游戏，可同时记录眼动追踪数据、视频数据和游戏内部数据。他们发现玩家大部分时间都注视着屏幕中心 [5]。这些结果提出了将凝视集成到现代游戏应用中的前景。
多模式人工智能代理支持学生基于动作的教育游戏
摘要。轻量级传感器（例如眼动仪、生理腕带和运动传感器）的可访问性不断提高，使得学生在参与基于运动的教育游戏 (MBEG) 时能够提取他们的认知、生理、骨骼和情感数据。实时分析这些多模态数据 (MMD) 可以深入了解学生的学习体验，并为及时、情境化、个性化的反馈提供新的机会以支持学生。在这项正在进行的工作中，我们提出了 MMD-AI 学习代理；一个由 MMD 驱动的人工智能 (AI) 代理生态系统，由 3 个独立的软件组件组成，它们共同促进学生在与 MBEG 交互期间的学习。Crunch Wizard 从学生在游戏过程中佩戴的眼动仪、生理腕带、网络摄像头和运动传感器接收 MMD，并得出相关的认知、生理和情感测量值。 AI 代理识别并提供适当的反馈机制，以支持学生的 MBEG 游戏学习体验。仪表板将测量结果可视化，让教师了解学生的进步情况。我们讨论了推动生态系统设计的基础工作，介绍了我们迄今为止完成的设计和开发，并概述了未来的方向。
程序员效能的相关性及其与经验的联系：脑电图和眼动追踪相结合的研究
背景：尽管受教育程度和背景相似，程序员的效能却可能存在巨大差异。虽然研究已经确定了一些潜在因素，例如编程经验和领域知识，但这些因素对程序员效能的影响尚不清楚。目的：我们旨在揭示效能（速度和正确性）与编程经验指标之间的关系。我们进一步研究了程序员效能与阅读行为和认知负荷之间的相关性。方法：为此，我们使用脑电图 (EEG) 和眼动追踪对 37 名参与者进行了一项对照实验。我们要求参与者理解多达 32 个 Java 源代码片段，并观察他们的目光注视和认知负荷的神经相关性。我们分析了参与者效能与流行的编程经验指标之间的相关性。结果：我们发现高效能程序员阅读源代码更有针对性，认知负荷更低。常用的经验水平不能很好地预测程序员效能，但自我评估和学习热情指标相当准确。意义：已确定的程序员效能相关性可用于未来的研究和实践（例如招聘）。未来的研究还应该将功效视为一种群体抽样方法，而不是使用简单的经验测量。
回顾眼动追踪技术在航空、海事和建筑行业中的应用：系统评价
摘要：航空、航海和建筑行业的大多数事故都是由人为失误引起的，而人为失误可以归因于精神表现受损和注意力不集中。1596年，法国解剖学家和医学家杜·劳伦斯（Du Laurens）说，眼睛是心灵的窗户。眼动追踪研究的历史可以追溯到近150年前，它已被广泛应用于不同领域的多种用途。总体而言，眼动追踪技术可以实时捕捉各种反映人类不同认知、情感和生理状态的眼球运动，可用于在不同场景中更广泛地了解人类的思维。本系统文献综述探讨了眼动追踪研究在航空、航海和建筑三个高风险行业的不同应用。本研究结果揭示了眼动追踪研究的人口分布和应用，以及用于研究人类心理表现的视觉、认知和注意力方面的不同技术。此外，还强调了不同的研究差距和潜在的未来研究方向，涉及使用其他技术支持、验证和增强眼动追踪研究，以更好地了解人类的心理表现。
在完全沉浸式 VR 中同步使用脑电图和眼动追踪的方法
本研究探索了多模态生理数据流的同步，特别是脑电图 (EEG) 与具有眼动追踪功能的虚拟现实 (VR) 耳机的集成。通过在完全沉浸式 VR 环境中实现基于混合稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 拼写器，展示了同步数据流的潜在用例。硬件延迟分析显示 EEG 和眼动追踪数据流之间的平均偏移为 36 毫秒，平均抖动为 5.76 毫秒。该研究进一步介绍了 VR 中脑机接口 (BCI) 拼写器的概念验证，展示了其在现实世界中的应用潜力。研究结果强调了将商业 EEG 和 VR 技术结合起来进行神经科学研究的可行性，并为在生态有效的 VR 环境中研究大脑活动开辟了新途径。未来的研究可以集中在改进同步方法和探索各种情况下的应用，例如学习和社交互动。
顾客永远是对的……面向战斗飞行员的犀牛指向和眼动追踪界面
应作战人员的要求，进行了研究以确定眼动追踪 (ET) 作为战术实战环境中大面积显示器 (LAD) 的人机界面 (HMI) 的军事用途。飞行测试确定 ET 感觉毫不费力，直到快速变化的光照条件和瞳孔大小以及升高的重力负荷系数导致 ET 滑动导致请求的界面无法使用。本着“顾客永远是对的”的精神，研究人员通过在 ET 的同时测试一种称为“Rhino Pointing (RP)”的头部跟踪算法，证明了作战人员对新型 LAD HMI 的要求最终是明智的。RP 更易于实施，并且提供了更高的准确性并缩短了任务完成时间。虽然从物理工作量的角度来看并不像 ET 那么轻松，但在飞行测试期间对 RP 概念的评估表明，它比传统的触摸屏 LAD HMI 有显著的改进，并为作战人员在大多数性能指标上提供了比 ET 更好的替代方案。
使用基于决策树的方法和CNN分类的强化学习有助于眼动电脑游戏
采用基于生物信号的输入的抽象人机接口很难转化为现实生活应用，部分原因是开发一般模型的困难来对代表用户行动的生理事件进行分类。在拟议的框架中，通过决策方法的管道来操作基于电视学（EOG）的游戏。这些包括使用卷积神经网络（CNN）的眼动物运动的分类模型，该模型以信号窗口创建的图像和公用事业决策网络（EUDN）的合奏为食，这使经常会冲突的事件的影响在实现更自然的控制级别的界面上，从而缓解了界面事件的影响。CNN和EUDN取代了EOG的正常使用的基于特征的眼事件检测方法。最后，一种基于强化的学习驱动方法同时更新了每个奖励结果的多个（状态，动作）对，干预以减轻错误的游戏命令的后果，并可以用作“共享控制”范围的一部分。结果显示，加强学习在改善参与者的游戏表现以及减少其一些主观工作量指标方面的积极影响。
眼动追踪技术在航空、海事和建筑行业中的应用：系统综述
摘要：航空、航海和建筑行业的大多数事故都是由人为失误引起的，而人为失误可以归因于精神表现受损和注意力不集中。1596年，法国解剖学家和医学家杜·劳伦斯（Du Laurens）说，眼睛是心灵的窗户。眼动追踪研究的历史可以追溯到近150年前，它已被广泛应用于不同领域的多种用途。总体而言，眼动追踪技术可以实时捕捉各种反映人类不同认知、情感和生理状态的眼球运动，可用于在不同场景中更广泛地了解人类的思维。本系统文献综述探讨了眼动追踪研究在航空、航海和建筑三个高风险行业的不同应用。本研究结果揭示了眼动追踪研究的人口分布和应用，以及用于研究人类心理表现的视觉、认知和注意力方面的不同技术。此外，还强调了不同的研究差距和潜在的未来研究方向，涉及使用其他技术支持、验证和增强眼动追踪研究，以更好地了解人类的心理表现。
Hydro-PAQ™澄清仪Hydro-PAQ™澄清仪
表面和地下水处理是指用于净化从河流，湖泊，水库和地下水井的过程和方法。这些治疗方法清除了水中的杂质，污染物和不良物质，因此成品质量符合政府和行业标准。