XiaoMi-AI文件搜索系统
World File Search System自动机
课程大纲EEL 4930：自动机器人弹簧...
本课程的主要目的是学习参与自主机器人和/或智能代理的设计和操作的理论和实验基础。介绍性讨论涵盖了机器人感知，计划和控制的子主题。其他主要主题包括机器人零件设计，感官集成，运动运动学，仿真测试（ROS/ROS2），未建模的环境/社会因素以及现场部署方面。除了标准的地面机器人系统外，我们还将涵盖水下机器人技术和空中机器人技术的类似主题和设计选择。本课程的所有材料和家庭作业都是根据现代机器人技术广泛接受的实践开发的。本课程的预期副作用是增强您的专业知识：
在Corot项目框架内，移动操纵器的机器机器人供应的自动机器人电源
召唤InterReg Trans-Manche Corot项目（2017-2022）具有最新的目标，可以通过为他们提供一定数量的工具和培训来支持Transmanche Arc在行业4.0中的SMP。在提出的新技术方面，重点放在移动刺激器的设计和实施上。在本文中介绍了在Greah实验室中研究和执行的机器人移动操纵解决方案，以便能够在商店中进入原始部分，并通过越过不同的研讨会来安全地运输它们，然后将它们精确地放在机器工具的颚中。要独立运行，此过程中的每个步骤都需要使用鲁棒算法和遇到的约束的固定建模。建议的记忆使使用Arti-Fiel Intelligence算法删除科学锁并为用户公司开辟新的观点是可能的。
在公共街道上遇到自动机器人
部署在公共设置中的机器人输入人类生活和工作的空间。公共HRI的研究倾向于优先考虑直接和故意的互动。但这错过了对机器人的最常见响应形式，范围从微妙的相互作用到几乎忽略它们。从视频录制的基础上采用民族方法学方法，我们展示了从物理环境的社会集会（街景）和日常街头生活的社会环境的社会集会（街道景观）的角度来看，机器人如何嵌入城市空间中。我们表明，由于街道的实际工作，这种机器人是如何通过这些空间“授予通道”的。我们详细介绍了街景的偶然性，引起人们对其各种成员以及他们正在做的住宿工作的关注。我们证明了在整个部署过程中研究机器人的重要性，并侧重于成员的互动工作。
一维 QED 的量子细胞自动机
在本文中，我们提出了一种一维量子电动力学 (QED) 的离散时空公式，以量子细胞自动机 (QCA) 的形式表示，其本质上是局部量子门的平移不变电路。从实用角度来看，QCA 定义了一种用于相互作用 QFT 动力学的量子模拟算法（不过，先不考虑状态准备和测量问题）。但是，从理论角度来看，它也构成了一个原理证明，表明相互作用 QFT 的原生离散公式是可能且优雅的。在此图中，QFT 被定义为 QCA 的“收敛”序列，由时空格子间距参数化——与连续极限和重正化的概念相呼应。我们讨论了为什么我们希望以这种方式规避 QFT 标准公式的一些技术问题。这种构造直观，几乎不需要任何先决条件。它基于量子信息概念，建立了一个简单、可解释的量子场论模型。鉴于量子场论可能相当复杂，我们认为这也构成了重要的教学资产。
超低能耗可逆时间同步量子点细胞自动机组合逻辑电路的设计与仿真
摘要 量子点细胞自动机 (QCA) 代表着一种新兴的纳米技术，有望取代当前的互补金属氧化物半导体数字集成电路技术。QCA 是一种极具前景的无晶体管范式，可以缩小到分子级，从而促进万亿级器件集成和极低的能量耗散。可逆 QCA 电路具有从逻辑级到物理级的可逆性，可以执行计算操作，耗散的能量低于 Landauer 能量极限 (kBTln2)。逻辑门的时间同步是一项必不可少的附加要求，尤其是在涉及复杂电路的情况下，以确保准确的计算结果。本文报告了八个新的逻辑和物理可逆时间同步 QCA 组合逻辑电路的设计和仿真。这里介绍的新电路设计通过使用本质上更对称的电路配置来缓解由逻辑门信息不同步引起的时钟延迟问题。模拟结果证实了所提出的可逆时间同步 QCA 组合逻辑电路的行为，该电路表现出超低能量耗散并同时提供准确的计算结果。
自动机器人任务计划通过将大型语言模型与基因编程集成
摘要 - 准确的任务计划对于控制自主系统（例如机器人，无人机和自动驾驶车辆）至关重要。行为树（BTS）被认为是任务计划中最突出的控制政策定义框架之一，由于其模块化，灵活性和可重复性。为机器人系统生成可靠，准确的基于BT的控制策略仍然具有挑战性，并且通常需要域专业知识。在本文中，我们提出了利用大语言模型（LLM）和遗传编程（GP）的LLM-GP-BT技术，以使BTS的生成和配置自动化。LLM-GP-BT技术处理以人类自然语言表达的机器人任务命令，并以计算效率和用户友好的方式将其转换为基于BT的准确和可靠的任务计划。该提出的技术是通过仿真实验系统地开发和验证的，这表明了其简化自主系统任务计划的潜力。
triffid：提高第一响应者效率的自动机器人辅助
摘要 - 视觉变压器（VIT）在各种计算机视觉任务中都表现出最先进的性能，但是其高计算需求使其对于资源有限的边缘设备不切实际。本文介绍了Microvit，这是一种轻巧的视觉变压器体系结构，通过显着降低计算复杂性，同时保持高精度，从而优化了边缘设备。Microvit的核心是有效的单头注意（ESHA）机制，该机制利用组卷积减少特征冗余，并且仅处理一小部分通道，从而降低了自我注意力的负担。Microvit是使用多阶段元式构建结构设计的，堆叠了多个微型编码器以提高效率和性能。Imagenet-1k和可可数据集上的全面实验表明，微型电视可以达到竞争精度，同时显着改善了3。6×更快的推理速度和降低效率高40％的效率的速度比移动设备系列高40％，这使其适合在资源受限环境（例如移动设备和边缘设备）中部署。索引术语 - 分类，自我注意力，视觉跨前，边缘设备。
![正交表示用于估计因果量的学习
生成的AI和创造性工作：叙事，价值观和影响
triffid：提高第一响应者效率的自动机器人辅助
微守流：边缘设备的复杂性自我注意力低的视觉变压器
covid- ... 之间的不可思议和争议性溢出
arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日
对表示漏洞和工程强大的视觉变形金刚的机械理解
arxiv：2502.05610v1 [CS.CL] 2025年2月8日
Goproteingnn：利用蛋白质知识图蛋白表示学习
台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆
arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日
机器人引发的久坐行为的社会控制
增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控
arxiv：2502.07964v1 [cs.lg] 2025年2月11日
对石墨烯中振荡大声电效应的相干检测
arxiv：2502.09316v1 [CS.CL] 2025年2月13日
将基于物理的建模与锂离子电池的机器学习相结合
Trellis BMA：DNA存储的IDS通道上的编码跟踪重建
arxiv：2502.07650v1 [stat.ml] 2025年2月11日
与Soc- ... 的多间隔能量储备合作](/simg/3/371e53cea55d57b21dc3cec4490fd2d843578c28.webp)
正交表示用于估计因果量的学习 生成的AI和创造性工作：叙事，价值观和影响 triffid：提高第一响应者效率的自动机器人辅助 微守流：边缘设备的复杂性自我注意力低的视觉变压器 covid- ... 之间的不可思议和争议性溢出 arxiv：2502.10437v1 [q-bio.pe] 2025年2月9日 对表示漏洞和工程强大的视觉变形金刚的机械理解 arxiv：2502.05610v1 [CS.CL] 2025年2月8日 Goproteingnn：利用蛋白质知识图蛋白表示学习 台式4Merge：综合基准，用于合并逼真的密集交通与微交互式车辆 arxiv：2502.08704v1 [cond-mat.supr-con] 2025年2月12日 机器人引发的久坐行为的社会控制 增强数字阴影的稳健性，用于使用增强岩石物理建模的二氧化碳存储监控 arxiv：2502.07964v1 [cs.lg] 2025年2月11日 对石墨烯中振荡大声电效应的相干检测 arxiv：2502.09316v1 [CS.CL] 2025年2月13日 将基于物理的建模与锂离子电池的机器学习相结合 Trellis BMA：DNA存储的IDS通道上的编码跟踪重建 arxiv：2502.07650v1 [stat.ml] 2025年2月11日 与Soc- ... 的多间隔能量储备合作
表示学习被广泛用于观察数据的因果量（例如，有条件的平均治疗效应）。尽管现有的表示学习方法具有允许端到端学习的好处，但他们没有Neyman-Ottrol-ottrodenal学习者的理论特性，例如Double Ro-Busberness和Quasi-Oracle效率。此外，这种表示的学习方法通常采用诸如平衡之类的规范约束，甚至可能导致估计不一致。在本文中，我们提出了一类新型的Neyman-Ottrodonal学习者，以在代表水平上定义的因果数量，我们称之为或称为校友。我们的旅行者具有几个实际的优势：它们允许基于任何学习的表示形式对因果量进行一致的估计，同时提供了有利的理论属性，包括双重鲁棒性和准门的效率。在多个实验中，我们表明，在某些规律性条件下，我们的或学习者改善了现有的表示学习方法并实现最先进的绩效。据我们所知，我们的或学习者是第一批提供代表学习方法的统一框架，而Neyman-ottrol-ottrodenal学习者进行因果量估计。
粗粒度量子细胞自动机
可以将某些物理演化视为微观离散模型的突发有效结果。受经典粗粒化程序的启发，我们提供了一种遵循 Goldilocks 规则的粗粒化色盲量子细胞自动机的简单程序。该程序包括 (i) 将量子细胞自动机 (QCA) 在时空上分组为大小为 N 的细胞；(ii) 将细胞的状态投射到其边界上，并将其与精细动力学联系起来；(iii) 通过边界状态描述整体动力学，我们称之为信号；(iv) 为不同大小为 N 的细胞构建粗粒化动力学。这个简单的玩具模型的副产品是斯托克斯定律的一般离散模拟。此外，我们证明在时空极限中，自动机收敛到狄拉克自由哈密顿量。我们在这里介绍的 QCA 可以通过当今的量子平台实现，例如里德堡阵列、捕获离子和超导量子比特。我们希望我们的研究能够为更深入地理解这些分辨率有限的系统铺平道路。