XiaoMi-AI文件搜索系统
World File Search System虚拟控制
人机相互作用作为活性推理
为了与机器人无缝互动，用户必须推断机器人行为的原因 - 并对该推断（及其预测）保持一致。因此，信任是人类机器人协作（HRC）的必要条件。然而，尽管它具有至关重要的作用，但它仍然在很大程度上未知信任如何出现，发展和支持人类与技术系统的关系。在以下论文中，我们回顾了有关信任，人类机器人相互作用，HRC和人类互动的文献。早期的信任模型表明，这是仁慈与能力之间的权衡；尽管对人类互动的研究强调了共同行为和相互知识在逐步建立信任中的作用。我们继续引入一种信任模型，作为代理商的最佳解释，以与扩展的汽车厂或合作伙伴进行可靠的感觉交流。该模型基于主动推论的认知神经科学，并建议在HRC的背景下，可以根据对人工药物的虚拟控制来施放信任。交互式反馈是扩展受托人感知行动周期的必要条件。该模型对理解人类机器人的互动和协作具有重要意义，因为它允许人类信任的传统决定因素，例如归因于受托人的仁慈和能力，可以根据层次的主动推断来定义，而可以用信息交换和授权来描述脆弱性。此外，该模型强调了用户反馈在HRC期间的作用，并建议在个性化互动中使用无聊和惊喜作为对系统过度依赖的标志。将信任作为虚拟控制感的描述为扎根人为因素而在认知神经科学领域迈出了至关重要的一步，并改善了以人为中心的技术的设计。此外，我们研究了共同行为在信任起源中的作用，尤其是在二元协作的背景下，这对人类机器人协作系统的可接受性和设计产生了重要的后果。
人机相互作用作为活性推理
为了与机器人无缝互动，用户必须推断机器人行为的原因 - 并对该推断（及其预测）保持一致。因此，信任是人类机器人协作（HRC）的必要条件。然而，尽管它具有至关重要的作用，但它仍然在很大程度上未知信任如何出现，发展和支持人类与技术系统的关系。在以下论文中，我们回顾了有关信任，人类机器人相互作用，HRC和人类互动的文献。早期的信任模型表明，这是仁慈与能力之间的权衡；尽管对人类互动的研究强调了共同行为和相互知识在逐步建立信任中的作用。我们继续引入一种信任模型，作为代理商的最佳解释，以与扩展的汽车厂或合作伙伴进行可靠的感觉交流。该模型基于主动推论的认知神经科学，并建议在HRC的背景下，可以根据对人工药物的虚拟控制来施放信任。交互式反馈是扩展受托人感知行动周期的必要条件。该模型对理解人类机器人的互动和协作具有重要意义，因为它允许人类信任的传统决定因素，例如归因于受托人的仁慈和能力，可以根据层次的主动推断来定义，而可以用信息交换和授权来描述脆弱性。此外，该模型强调了用户反馈在HRC期间的作用，并建议在个性化互动中使用无聊和惊喜作为对系统过度依赖的标志。将信任作为虚拟控制感的描述为扎根人为因素而在认知神经科学领域迈出了至关重要的一步，并改善了以人为中心的技术的设计。此外，我们研究了共同行为在信任起源中的作用，尤其是在二元协作的背景下，这对人类机器人协作系统的可接受性和设计产生了重要的后果。
基于反步滑模的共轴旋翼飞行器轨迹跟踪控制算法及试验
摘要：针对共轴旋翼飞行器自主飞行过程中模型参数的不确定性、外界扰动及传感器噪声对飞行的影响，研究位置姿态反馈控制系统的鲁棒反步滑模控制算法，以解决未知外界干扰情况下飞行器的轨迹跟踪问题。本文针对未知飞行，建立了基于受扰共轴旋翼飞行器的非线性动力学模型。然后，设计了非线性鲁棒反步滑模控制器，分为共轴旋翼飞行器的姿态控制器和位置控制器两个子控制器。在控制器中引入虚拟控制，构造Lyapunov函数，保证各子系统的稳定性。通过数值仿真验证了所提控制器的有效性。最后通过飞行试验验证了反步滑模控制算法的有效性。
带稳定性增强器的无尾飞行器增量反步滑模轨迹控制
摘要：本文提出了一种增量反步滑模（IBS）控制器，用于无尾飞机的轨迹控制，该控制器具有未知干扰和模型不确定性。所提出的控制器基于无尾飞机的非线性动力学模型。提出了一种限制虚拟控制输入速率和幅度的稳定性增强器（SE）。稳定性增强器由两层组成。当虚拟控制输入接近边缘时，将激活第一层 SE 来修改轨迹跟踪误差；当虚拟控制输入超出边缘时，第二层 SE 将降低控制增益以确保虚拟控制输入尽快落在边缘内。在 SE 的帮助下，增量控制方法可以扩展到外环控制，而无需考虑内环系统的动态特性。此外，提出了一种状态导数自适应估计器，与 IBS 相结合，使控制器表现出良好的鲁棒性。最后，给出了两个仿真。第一次仿真表明系统对外部干扰和模型不确定性不敏感，第二次仿真证明了 SE 的有效性。
文章 带稳定性增强器的无尾飞机增量反步滑模轨迹控制
摘要：本文提出了一种增量反步滑模 (IBS) 控制器，用于无尾飞机的轨迹控制，该飞机具有未知的干扰和模型不确定性。所提出的控制器基于无尾飞机的非线性动力学模型。提出了一种稳定性增强器 (SE)，它限制了虚拟控制输入的速率和幅度。稳定性增强器由两层组成。当虚拟控制输入接近边缘时，第一层 SE 将被激活以修改轨迹跟踪误差；当虚拟控制输入超过边缘时，第二层 SE 将降低控制增益以确保虚拟控制输入尽快落在边缘内。借助 SE，增量控制方法可以扩展到外环控制，而无需考虑内环系统的动态特性。此外，提出了一种状态导数的自适应估计器，与 IBS 一起，使控制器表现出出色的鲁棒性。最后，给出了两个仿真结果。第一次仿真表明系统对外界干扰和模型不确定性不敏感，第二次仿真证明了SE的有效性。
使用 OPENCV 实现人工智能虚拟鼠标
鼠标是人机交互 (HCI) 技术的一项伟大发明。目前，无线鼠标或蓝牙鼠标仍然使用设备，并且并非完全摆脱设备，因为它使用电池供电并使用加密狗将其连接到 PC。在所提出的 AI 虚拟鼠标系统中，可以通过使用网络摄像头或内置摄像头捕捉手势并使用计算机视觉检测手指尖来克服这一限制。系统中使用的算法利用了机器学习算法。基于手势，可以虚拟控制计算机，并且可以执行左键单击、右键单击、滚动功能和计算机光标功能，而无需使用物理鼠标。该算法基于深度学习来检测手部。因此，所提出的系统将通过消除人为干预和对设备控制计算机的依赖来避免 COVID-19 传播。Python 编程语言用于开发 AI 虚拟鼠标系统，此外，AI 虚拟鼠标系统还使用了计算机视觉库 OpenCV。在所提出的 AI 虚拟鼠标系统中，该模型利用 MediaPipe 包来跟踪手部和手尖，同时还利用 Py input、Autopy 和 PyAutoGUI 包在计算机窗口屏幕上移动以执行左键单击、右键单击和滚动等功能。所提出的模型的结果显示出非常高的准确度，并且所提出的模型可以在使用 CPU 而无需使用 GPU 的情况下在实际应用中很好地工作。