XiaoMi-AI文件搜索系统
World File Search System触觉
睡眠中非疼痛触觉刺激的研究
在整个夜间记录期间，评估 N1 和 N2 阶段 EEG 段（表示为浅睡眠，LS）的右手食指和中指触觉反应。这导致具有正偏转和负偏转的睡眠触觉波形。P50 波形的潜伏期在 64-170 毫秒之间，N100 在 90 至 242 毫秒之间，P200 在 166 至 290 毫秒之间，N300 在 258 至 388 毫秒之间，P450 出现在 440 至 560 毫秒之间，N550 在 484 至 774 毫秒之间观察到，P900 在 668 至 900 毫秒之间，N_late 在 954 至 1,292 毫秒之间。在 LS 期间对非疼痛触觉刺激的大脑反应导致以下波偏转幅度。 P50 范围为 -0.73 至 1.93 µV，N100 范围为 1.14 至 -2.17 µV，P200 范围为 -0.11 至 3.02 µV，N300 范围为 -0.96 至 -9.31 µV，P450 范围为 0.17 至 6.74 µV，N550 波形在 1.57 至 -1.03 µV 之间观察到，P900 范围为 -0.16 至 4.18 µV，最后 N_late 范围为 -0.74 至 -3.51 µV。这些值及其标准偏差以表格形式列于表 2 中。
对Kubi和双触觉Rob的比较分析
摘要。在19009年大流行中，远程学习是在空前的水平上进行的。随着锁定措施的缓解，它已成为与传统亲自学习的平行选择。尽管如此，诸如Zoom，Microsoft团队和Google Meet等基本视频会议工具的利用都具有多种限制，这些限制超出了技术方面。这些限制与人类的行为，心理学以及教学法都相关，并大大改变了学习过程中发生的相互作用。远程敏感机器人因其在增强面对面感方面的优势而被广泛使用。为了调查与在教育环境中使用远程机器人使用相关的机会，影响和风险，我们在设计学校的特定用例和基于项目的类别的特定用例中进行了实验。我们对教室的经历以及远程学生，他/她的同龄人和教授/教练之间的关系感兴趣。这项研究采用了两种类型的机器人：Kubi机器人（基于半静态平板电脑的系统）和双机器人（移动远程机器人）。主要目标是在与这些机器人的互动过程中确定远程和面对面学生的看法和经历。这项研究的结果表明，学生对库比的双重机器人的偏好显着，如他们的回馈所示。
通过触觉设备的感觉替代，加法和扩展的未来
触觉设备使用触摸感将信息传输到神经系统。举例来说，声音到触摸的设备会处理听觉信息，并通过对失去听力的人的皮肤振动模式将其发送到大脑。我们在这里总结了此类研究的当前方向，并借鉴了行业和学术界的例子。此类设备可用于感觉替代（替换失去的感觉，例如听力或视觉），感觉扩展（扩大现有的感官体验，例如在可见光光谱外检测电磁辐射）和感觉添加（提供新颖的感觉，例如磁性磁摄取）。我们回顾了使用非侵入性触觉设备的感觉操纵未来的相关文献，当前状态和可能的方向。
使用触觉感知和监督政策学习
引言强大而稳定的抓握是成功机器人操作的关键要求之一。尽管在抓住领域取得了很大进步（Bohg等人2014），最新方法仍可能导致失败。iDe，机器人将足够快地检测出故障以纠正它们。此外，机器人应该能够从错误中学习，以避免将来的类似失败。为了应对这些挑战，我们建议在掌握的初始阶段使用早期的掌握稳定性预测。我们还提出了一种机器学习方法，该方法能够学习一种基于触觉感知并随着时间的推移而改善的纠正失败的graSps行为。在我们以前的工作中（Chebotar等人2016b），我们迈出了使用时空触觉特征和增强学习的第一步，朝着自主重新审向行为。我们能够证明，如果提供了足够的数据，则可以使用线性策略来学习简单的重新制定策略。但是，这些策略并不能比接受过培训的策略对其他类别的对象进行概括。造成这种缺点的主要原因是策略不足以捕获对象的不同形状和物理特性的丰富性。学习一个更复杂且可推广的策略的潜在可能是采用更复杂的政策类别，并收集许多带有各种对象的现实机器人数据来学习策略参数。在中提出了类似的方法（Finn等人这种解决方案的主要弱点是，除了需要大量数据外，这些复杂的政策通常会导致学习者陷入贫困的本地优点（Deisenroth，Neumann和Peters 2013）。在本文中，我们建议以监督的方式学习一项复杂的高维重新制定政策。我们的方法使用简单的线性策略来指导一般政策，以避免本地最小值差，并从较少的数据中学习一般政策。在政策搜索中使用监督学习的想法已在（Levine，Wagener和Abbeel 2015）中使用，在该搜索中，作者使用轨迹优化来指导政策学习过程，并将学习的政策应用于各种操纵任务。2015），作者在
触觉麻m：稳定节奏的研究
阿迪拉·霍克（Adila Hoque），南佛罗里达州坦帕（Fl adila1@usf.edu摘要）机械工程大学摘要 - 困扰着有抱负（和专业）音乐家的最普遍的问题之一，正在保持稳定的节奏。补救措施通常是在稳定的听觉节拍器的指导下进行数小时的练习。具有经验，优化了节拍器和仪器的声音之间的反馈回路，以最大程度地减少误差。但是，在某些情况下，听觉节拍器不可行，其他方式可能会提供一种替代方法来提供节奏提示，例如触觉元素。触觉提示在鼓声中的有效性进行了测试，并与具有不同节奏能力的主题组之间的听觉和联合（触觉和听觉）方式进行了比较。尽管触觉马体子无法像听觉节拍器那样有效地降低每个受试者的异步性，但在统计上证明它可以有效地保持节奏。对于无法应对听觉刺激的残疾音乐家以及利用节奏提示的运动康复，这些结果可能用于现场表演中，在现场表演中，标准节拍器是不切实际的。关键字 - 节奏，节拍器，节奏提示，听觉，触觉，异步，感觉运动同步
体内触觉耦合可形成记忆网络
伦敦城市大学数学神经科学与心理学中心和心理学系，伦敦 EC1V 0HB，英国 pinotsis@mit.edu 关键词：记忆印迹；神经集合；工作记忆；协同学；预测编码；自动编码器；有效连接 致谢。这项工作得到了 UKRI ES/T01279X/1、海军办公室的支持
触觉意象诱发的事件相关去同步化
众所周知，手部运动和运动的心理表征都会导致相应皮质运动区域记录的脑电图 (EEG) 发生事件相关去同步 (ERD)。然而，体感皮质区域的 ERD 与触觉的心理表征之间的关系尚不清楚。在本研究中，我们利用健康人的 EEG 记录来比较右手真实和想象的振动触觉刺激的影响。真实和想象的感觉都会产生对侧 ERD 模式，尤其是在 m 波段，最明显的是在 C3 区域。基于这些结果和以前的文献，我们讨论了触觉意象作为复杂身体意象的一部分的作用，以及将触觉意象引起的 EEG 模式用作脑机接口 (BCI) 中的控制信号的潜力。将这种方法与运动意象 (MI) 相结合可以提高用于中风和神经创伤后感觉运动功能康复的 BCI 的性能。
触觉与视觉神经反馈用于脑训练
摘要 - 已知使用患者的视觉和/或听觉渠道进行神经反求背部的当前实践会导致疲劳，过度无聊和在延长治疗期间受到限制性。本文提出触觉作为提供神经反馈的替代手段，并通过使用一种新型紧凑的可穿戴触觉装置进行两项用户研究（研究-I和II）来研究其有效性，该效果可为用户的脖子提供颤振actacti骨的反馈。每个用户研究都有三种神经反馈模式：仅视觉，仅触觉和视觉和助攻。研究-I通过测量其注意力水平（AL）和任务完成时间（CT）来检查细分训练任务中的表现。研究-II除了大脑训练的任务外，还调查了参与者在接收神经反馈时执行次要任务（玩形状分类游戏）的能力。结果表明，用户在大脑训练方面的表现与仅触觉和仅视觉的反馈相似。但是，当从事次要任务时，用户的表现效果明显好（AL和CT的提高了约11％和17％），这表明触觉比视觉神经反馈具有明显的优势。能够在大脑训练期间执行常规活动可能会增加用户遵守较长的治疗课程。将来，我们计划通过对ADHD患者进行实验来验证这些发现。索引术语 - 神经反馈，大脑训练，触觉设备，颤振反馈，生物反馈。
解码听觉和触觉注意力以用于脑电图......
摘要 — 脑机接口 (BCI) 系统为人类与机器交互提供了一种非语言且隐蔽的方式。它们旨在解释用户的大脑状态，并将其转化为行动或用于其他交流目的。本研究调查了基于听觉和触觉注意力开发无需动手和眼睛的 BCI 系统的可行性。向用户呈现多个同时的听觉或触觉刺激流，并指示用户检测某一特定流中的模式。我们应用线性分类器从 EEG 信号中解码流跟踪注意力。结果表明，所提出的 BCI 系统可以使用多感官输入吸引大多数研究参与者的注意力，并显示出在多个会话中进行迁移学习的潜力。