摘要。这项研究的目的是设计一种用于陶瓷设计的VR系统,该系统将多模式感知与CAD技术相结合,旨在提高设计效率和用户满意度。我们通过创建一个超现实的3D设计设置,为设计师提供一个新颖的沉浸式平台,集成了各种感觉输入,例如视觉,声音和触摸,并与CAD数据无缝接口。实验结果表明,与单峰设计设置相比,使用我们的系统的设计人员平均将任务完成时间降低了65%。此外,其设计的创造力和实用性显着改善。我们的系统特别提高了设计师的生产力,并提高了用户在陶瓷设计方面的体验。这为陶瓷行业介绍了尖端的设计工具和方法,并探索了VR技术在该领域的巨大潜力,从而将新的生命注入了行业的创新和进步中。
由于锂离子电池已经变得越来越普遍,因此由于其对系统的可用性和安全性的影响,估计其剩余使用寿命(RUL)已成为必要。rul对于建立预后价值而建立预测维护策略特别有用。电池降解模型还应结合不同用法和环境条件对电池性能的影响,以对RUL进行可靠的预测。电池降解行为必须通过加速降解测试来表征,该测试是根据最佳设计理论计划的,以预测统治并区分竞争模型。可以通过使用基于良好降解模型的增强学习方法来选择最佳的维护策略。本文介绍了所有这些方法的简要概述。单独地,它们在文献中得到了很好的代表,但是考虑它们是一种新颖的维护方法。由于电池经常在不受控制的环境中使用,因此这种方法的综合政策和模型学习方面似乎尤其有希望。锂离子电池的健康状况(SOH)在降低过程中呈指数衰减。可以使用各种方法来估计SOH参数,包括从放电能力或开路电压(OCV),传感器融合算法或间接处理等效串联电阻(ESR)的直接估计。几个因素导致电池降解,包括电池化学,尺寸和操作条件。重要的是要注意,总体趋势始终是特征的
本文深入研究了RV32IMAC RISC-V System-Chip(SOC)的ASIC实施,重点介绍了其对各种监视应用的适应性。通过利用RISC-V架构的功能,SOC旨在为各种环境(包括工业部门,战区和放射性领域)提供灵活,高效的平台。通过细致的建筑设计和优化策略,Soc在绩效,功率效率和成本效益之间取得了平衡。值得注意的是,它集成了针对监视操作的专门说明,以及对传感器集成和实时数据处理的强大支持。此外,SOC的实施利用高级技术来确保与新兴监视系统的可靠性,可扩展性和兼容性。具有自主处理复杂任务并通过基于IoT的服务来促进无缝沟通的能力,RV32IMAC RISC-V SOC的ASIC实施代表了监视技术领域的重大进步,有望增强情境意识和威胁能力。
本文通过对虚拟现实(VR)中生成AI技术的利用进行全面研究来启动,包括数据收集,预处理,模型培训,缺点和评估等方面。它进一步仔细检查了针对VR量身定制的各种生成的AI模型和算法,从而阐明了它们在虚拟现实创建和抽象中的优势和局限性。生成AI的整合具有大量丰富的虚拟现实和培训经验,从而通过促进了多种内容(例如游戏,图像,音频和视频和视频)来扩大产品开发的复杂性。通过分析和同化历史数据,相关因素和实际输入,生成的AI展示了其制造复杂且现实的虚拟对象和环境的能力。此外,这些论文探讨了在虚拟现实中部署生成AI固有的多方面挑战和道德困境,包括数据隐私和算法透明度等问题。它还设想了未来的研究轨迹,倡导跨学科合作,以用户为中心的研究以及对教育和娱乐中应用程序的探索。通过概述虚拟现实与生成AI之间的融合概述,本文有助于洞察力,以增强新兴的元元技术中的学习体验,同时还提供了增强生成AI在促进创造性内容创造中的功效的策略。
皮肤中受体产生的热和接触感觉对于对物理环境的感知至关重要,在人际关系中具有特别有力的作用。以可编程方式复制这些感觉的技术的进步不仅具有增强虚拟/增强现实环境的潜力,而且还对具有截肢或感官功能受损的人的医疗应用有望。工程挑战是在与精确的空间分辨率,功率 - 有效的操作,动态范围广泛的范围和快速的时间响应中相互互动,并在热调节中都具有快速的时间响应,形式可以延伸到身体的大区域。本文引入了无线,皮肤 - 兼容的热触觉调节界面,旨在解决这些挑战中的某些挑战,并具有提供可编程的增强振动位移和高速热刺激的可编程模式。实验和计算研究量化了在热触觉刺激器中垂直堆叠的设计布局的热和机械效率,这些布局也支持真实的时间,封闭 - 环路控制机制。该平台可有效地通过皮肤传达热和物理信息,如机器人假肢的控制以及与压力/温度敏感的触摸显示器的相互作用所证明的那样。
执行功能 (EF) 是我们一生中身心健康、学业成就、社会发展和心理健康的一项基本技能。它是指一系列自上而下的控制过程,当依赖自动反应、本能或直觉是不明智、不足或不可能时使用 (Diamond, 2013)。这些过程主要包括抑制控制、工作记忆、认知灵活性、推理、解决问题和计划 (Cristofori et al., 2019)。然而,从儿童到青少年时期,EF 都不成熟 (Tervo-Clemmens et al., 2023)。此外,ADHD、ASD、阿尔茨海默病和脑损伤等各种因素都可能阻碍 EF,导致执行功能障碍 (Negut et al., 2016)。在本研究中,我们将讨论 EF 的评估和训练,以帮助患有 EF 障碍的儿童和个人在未来使用先进的计算机技术发展这些功能。传统的 EF 评估通常涉及神经心理学测试、行为清单、观察、访谈和工作样本(Lezak,2004;Cristofori 等人,2019)。最近,使用脑机接口 (BCI) 的评估方法,例如在执行 EF 任务期间捕获和分析脑电图 (EEG) 生物信号,已获得更准确的结果(Cipresso 等人,2012、2013;Carelli 等人,2017)。关于 EF 康复,传统方法涉及在医疗保健专业人员的指导下使用真实世界的材料执行重复性任务,这可能很繁琐且不方便。此外,基于 VR 的 EF 康复方法提供了令人愉快和身临其境的虚拟环境和引人入胜的任务,从而提高了 EF 训练的有效性 ( Liao et al., 2019 )。为了解决评估基于 VR 的 EF 训练有效性的问题,已经提出了整合 BCI-VR 的新方法 ( Wen et al., 2018 ; Duan et al., 2023 )。然而,尽管纵向神经心理学评估在神经系统疾病中具有临床和伦理意义,但关于使用 BCI-VR 对身体有局限性的患者进行认知评估和训练的研究数量有限。对昂贵而复杂的设备、有限而简单的软件培训系统以及使用系统和分析数据的特定能力的需求可能是 BCI-VR 临床应用的主要障碍 ( Carelli et al., 2017 )。在此方面,我们深入研究了运用先进的计算机技术进行EF培训和评估的各项研究,并对各个方面的当前趋势和策略提供了见解。
个人与数字材料之间的抽象相互作用随着元评估的出现而完全改变。因此,即时需要构建尖端的技术,该技术可以识别用户的情绪并不断提供与其心理状态相关的材料,从而改善其整体经验。研究人员提出了一种自然语言处理算法和基于神经模糊的支持向量机自然语言处理(SVM-NLP)的创造性方法,研究人员提出了满足这一需求。通过这种合并,元评估将能够提供高度量身定制和引人入胜的体验。最初,开发了一种神经模糊算法,以通过其生理反应和其他生物识别信息来识别人们的情绪情绪。模糊的逻辑和支持向量机共同努力管理继承的歧义和不可预测性,这导致情绪的更精确和准确的分类。ACGA的一个关键组成部分是NLP技术,它使用实时情感数据在元视频中动态修改和个性化角色,故事和交互功能。提出的方法的新颖性在于基于神经模糊的SVM-NLP算法的创新整合,以准确识别和适应用户的情绪状态,从而增强各种应用程序的元体验。使用Python软件实现了采用的方法。更强的人与计算机相互作用和更广泛的应用,包括虚拟疗法,教育资源,这种适应性方法可显着增强用户的沉浸感,情感参与以及在增强现实环境中的整体满意度,通过为他们的回答调整信息。调查结果表明,基于神经模糊的SVM-NLP情绪识别算法在识别情绪状态方面具有很高的准确性,这有望创建一种更具表情的元评估,更具情感性和沉浸式。
有效的上limb康复对严重受损的中风幸存者仍缺失。最近的研究认可新颖的运动康复方法,例如机器人外骨骼和虚拟现实系统,以恢复中风幸存者的偏见的功能。但是,尚未发现中风后促进中枢神经系统功能重组的最佳方法。肌电图(EMG)信号已用于假肢控制,但它们在康复中的应用受到限制。在这里,我们提出了一种新型方法,以促进病理肌肉激活模式的重组,并通过使用EMG控制的界面在虚拟现实(VR)执行运动时提供个性化的援助,从而增强了中风幸存者中LIMB运动的恢复。我们建议改变视觉反馈以提高VR的运动性能,从而减少实际功能障碍肌肉模式与功能性肌肉的偏差的影响,将积极吸引患者参与运动学习并促进功能肌肉模式的恢复。通过针对肌肉协同作用的特定变化及其中风后出现的激活中的特定变化,可以通过靶向特定的变化来促进有效的康复,从而促进有效的康复,这提供了解决特定个体障碍的康复疗法的可能性。
摘要:现代信息和通信技术(例如虚拟和混合现实)的使用提供了控制和监视物联网设备的新选择。例如,头部安装显示器(HMD)已成为提高用户生产力和享受的工具。这种开发也与计算机技术的最新进步以及该技术价格下降有关:HMD现在更具功能性,同时在市场上也更广泛地使用。本文提供了两轮机器人汽车,可以使用HMD实时远程控制。遥控器是在统一3D的帮助下在虚拟现实中完成的。开源游戏引擎减少了成本和开发时间。有用于方向盘,变速箱,屏幕和停止按钮的单独对象。控制器和用户的手都可以用作输入操纵器。Oculus耳机的外部摄像头使用手识别来实现此功能。Raspberry Pi 4具有三个主要功能:首先是用GPIO引脚控制直流电动机,其次是将视频流从相机发送到HMD,第三个是接受HMD的控制信号并执行它们。虚拟现实耳机和远程操作车辆(ROV)的数据传输是通过服务器客户通信完成的。Raspberry扮演服务器的角色,该角色写在Python编程语言的烧瓶框架上。该服务器使用异步原理和OPENCV库来使用图像。GPIO引脚由服务器控制,并且也接收请求。VR耳机是客户,该客户端是在Unity Game Engine上写的。用户执行任何操作并实时将视频流传输到屏幕时,设备与服务器进行交互。输入系统的配置是在官方Oculus软件开发套件的帮助下完成的。
允许将本工作的全部或一部分供个人或课堂使用的数字或硬副本授予,而没有费用,只要副本不是盈利或商业优势,并且副本带有此通知和首页上的完整引用。必须尊重他人拥有的这项工作的组件版权。允许用信用摘要。否则复制或重新出版以在服务器上发布或重新分配到列表,需要事先特定的许可和/或费用。请求权限从permissions@acm.org。