密西根州立大学丹佛分校的航空和航天科学系 (AVS) 是美国规模最大、最先进的大学航空项目之一,提供许多宝贵的资源,这些资源对我们学生的成功至关重要。该系的航空和航天系统实验室 (AAS) 位于校园内,拥有超现代的 FAA 批准的单引擎和多引擎飞行训练设备、航空航天计算机训练系统、实时太空卫星操作和模拟、无人机/无人机系统操作、功能齐全的先进飞行实验室和空中交通管制训练模拟。丹佛地区长期以来一直是美国航空航天商业的中心,拥有众多地区机场、飞行学校和航空航天运营中心,毕业后也有大量就业机会!
我们提出了一种量子可编程门阵列 (QPGA) 的光子集成电路架构,该架构能够准备任意量子态和算子。该架构由相位调制的 Mach-Zehnder 干涉仪晶格组成,该干涉仪对路径编码的光子量子比特进行旋转,并嵌入量子发射器,使用双光子散射过程在相邻量子比特之间实现确定性的受控 σz 操作。通过适当设置晶格内的相移,可以对设备进行编程以实现任何量子电路,而无需修改硬件。我们提供了在设备上精确准备任意量子态和算子的算法,并表明基于梯度的优化可以训练模拟 QPGA,以自动实现对重要量子电路的高度紧凑近似,并具有近乎统一的保真度。
2.4-1 神经网络 51 2.4-2 生物和人工神经元 52 2.4-3 神经网络中的吸引子 54 2.4-4 反馈神经网络 54 2.4-5 神经网络的构建 56 3.1-1 B ABB AGE 工具的元素及其关系 66 3.2-1 可电训练模拟神经网络的代表性连接 69 3.2-2 光学神经计算集成电路 71 3.2-3 使用模糊逻辑的 ASIC 核心的基本实现 73 3.3-1 推理速度与 CPU 分辨率 76 3.3-2 开发工具框图 80 4.1-1 FTPP 架构 82 4.4-1 转向器软件架构 88 4.4-2 转向建议生成 90 4.4-3 飞行员意图图 93 4.4-4 RPA 演示器概念 95 4.5-1 系统开发活动 99 5.3-1 通用运行时推理引擎 107 5.4-1 系统开发周期 11° 5.5-1 软件开发的基本瀑布模型 117 5.5-2 专家系统的开发周期图 119 6.4-1 较差的人类性能生成器 139 6.4-2 改进的人类性能生成器 140
2.4-1 神经网络 51 2.4-2 生物和人工神经元 52 2.4-3 神经网络中的吸引子 54 2.4-4 反馈神经网络 54 2.4-5 神经网络的构建 56 3.1-1 B ABB AGE 工具的元素及其关系 66 3.2-1 可电训练模拟神经网络的代表性连接 69 3.2-2 光学神经计算集成电路 71 3.2-3 使用模糊逻辑的 ASIC 核心的基本实现 73 3.3-1 推理速度与 CPU 分辨率 76 3.3-2 开发工具框图 80 4.1-1 FTPP 架构 82 4.4-1 转向器软件架构 88 4.4-2 转向建议生成 90 4.4-3 飞行员意图图 93 4.4-4 RPA 演示器概念 95 4.5-1 系统开发活动 99 5.3-1 通用运行时推理引擎 107 5.4-1 系统开发周期 11° 5.5-1 软件开发的基本瀑布模型 117 5.5-2 专家系统开发周期图 119 6.4-1 较差的人类性能生成器 139 6.4-2 改进的人类性能生成器 140
人工智能 (AI) 在提高手术模拟质量方面发挥着不可或缺的作用,手术模拟正日益成为丰富外科医生培训体验的流行工具。这涵盖了从促进术前规划到术中可视化和指导的各个方面,最终目的是提高患者安全性。尽管可以说人工智能技术仍处于广泛临床应用的早期阶段,但它能够实现个性化评估并在手术训练模拟中提供个性化反馈。目前用于解剖教育和术前评估的几种手术可视化技术依赖于不同的人工智能算法。然而,虽然看到临床案例和技术报告证明人工智能支持的手术模拟器的有效性是令人鼓舞的,但此类设备和软件广泛商业化的障碍仍然复杂且多因素。实施和生产成本高、证明此类技术优越性的报告稀缺以及内在的技术限制仍然是首要问题。由于人工智能技术是推动外科手术模拟未来发展的关键,本文将回顾文献,描述其现状、挑战和前景。此外,本文还列出了 FDA/CE 批准的用于外科手术模拟的人工智能医疗设备的综合清单,以阐明学术成就与人工智能模拟器普遍商业化之间的现有差距。我们呼吁对人工智能支持的外科手术模拟器进行进一步的临床评估,以支持监管机构批准的新设备,并将外科手术带入外科教育的新时代。
摘要 - 现实生活中的机器人导航不仅涉及到达目的地;它需要在解决方案特定目标的同时优化运动。人类表达这些目标的一种直观方式是通过诸如口头命令或粗略草图之类的抽象提示。这样的人类指导可能缺乏细节或嘈杂。尽管如此,我们希望机器人能够按预期导航。让机器人根据人类期望来解释和执行这些抽象说明,他们必须与人类对基本导航概念有共同的理解。为此,我们介绍了Canvas,这是一个新颖的框架,结合了常识感知导航的视觉和语言说明。它的成功是由模仿学习驱动的,使机器人能够从人类航行行为中学习。我们提出命令,这是一个具有人类通知结果的综合数据集,范围超过48小时,219公里,旨在训练模拟环境中的常识性导航系统。我们的实验表明,画布在所有环境中都超过了强大的基于规则的系统,并以嘈杂的说明显示出了卓越的性能。值得注意的是,在果园环境中,Ros Navstack记录了总成功率0%,帆布的总成功率为67%。画布也与人类的示范和常识性约束密切一致,即使在看不见的环境中也是如此。此外,画布的现实部署展示了令人印象深刻的Sim2real转移,总成功率为69%,强调了在模拟环境中为现实世界应用中的人类展示学习的潜力。
最近的作品表明,文本到图像生成模型非常容易受到各种中毒攻击的影响。经验结果发现,这些模型可以通过改变单个文本提示和相关视觉特征之间的提示来破坏。此外,许多并发的中毒攻击可能引起“模型内爆”,在该模型无法为未加入的提示中产生有意义的图像。这些引人入胜的发现突出了缺乏直观的框架来理解对这些模型的中毒攻击。在这项工作中,我们通过对潜在扩散模型中的跨注意机制的行为进行调整和分析,建立了图像生成模型的易绝化的第一个分析框架。我们将跨注意训练模拟为“监督图对齐”的抽象问题,并通过对齐难度(AD)度量来正式量化训练数据的影响。广告越高,对齐越难。我们证明,广告随着中毒的个别提示(或概念)的数量而增加。随着广告的增长,对齐任务变得越来越困难,产生了高度扭曲的结果,这些结果经常绘制有意义的文本提示到未定义或毫无意义的视觉表示。因此,生成模型爆炸并输出随机,整个图像。我们通过广泛的实验来验证我们的分析框架,并在产生新的,不可预见的见解时确认并解释了模型内爆的意外(和无法解释的)效果。我们的工作提供了一种有用的工具,用于研究针对扩散模型及其防御能力的中毒攻击。
我们探索了对重型汽车的深钢筋学习控制器的模拟传输,该重型车辆具有主动刺激,设计用于穿越粗糙的地形。相关研究主要集中于带有电动机的轻质机器人和快速致动,但本研究使用了具有复杂液压传动系统和缓慢致动的林业车辆。我们使用多体动力学模拟车辆并应用系统标识以找到适当的仿真参数。然后,我们使用各种技术来训练模拟中的策略,以减轻SIM卡之间的空白,包括域随机化,动作延迟和奖励惩罚,以鼓励平稳控制。实际上,经过行动延迟训练的政策和对不稳定行动的惩罚几乎在与模拟中相同的水平。在水平地面实验中,运动轨迹转向两侧以及路线跟踪方案时,运动轨迹紧密重叠。面对需要积极使用悬浮液的坡道时,模拟和真实动作处于密切的对齐状态。这表明执行器模型与系统识别产生了一个足够准确的执行器模型。我们观察到,未经其他行动罚款训练的政策表现出快速切换或BANG -BANG控制。这些当前的平稳运动和模拟中的高性能,但转移到现实的很差。我们发现政策使局部高度图的边缘使用以进行感知,没有显示预测计划的迹象。然而,强大的转移能力需要在很大程度上仅限于模拟。
丹佛大都会州立大学成立于 1965 年,是科罗拉多州的城市赠地大学,位于丹佛市中心历史悠久的 Auraria 校区。丹佛大都会州立大学提供个性化、相关的学士学位以及精选的学士和研究生学位,为科罗拉多州的本科生提供教育,比该州的任何其他大学都多。丹佛大都会州立大学成立于 1965 年,拥有超过 20,000 名学生,是该地区的领先机构,毕业生超过 95,000 名!丹佛大都会州立大学的航空和航天科学系 (AVS) 是该国规模最大、最先进的大学航空项目之一,提供许多宝贵的资源,这些资源对我们学生的成功至关重要。该部门的航空航天系统实验室位于校园内,拥有超现代的 FAA 批准的单引擎和多引擎飞行训练设备、航空航天计算机训练系统、实时太空卫星操作和模拟、无人机/无人机系统操作、功能齐全的先进飞行实验室和空中交通管制训练模拟。丹佛地区长期以来一直是航空航天商业的全国中心,拥有众多地区机场、飞行学校和航空航天运营中心 - 毕业后就业机会也非常多!MSU 丹佛分校的精密飞行团队通过 NIFA 全国竞赛被公认为美国最有竞争力的航空项目之一。我们的特技飞行队在 2017 年 IAC 全国比赛中名列第一。意义重大的是,我们的航空航天科学系获得了丹佛市的嘉奖,并被科罗拉多州立法机构认定为科罗拉多州的教育资产,该资产建立在强大的学术、社区参与、航空航天技能、安全性以及推动职业发展和学生成功的能力之上!