摘要 - 我们专注于人类机器人协作运输,其中机器人和用户协作将对象转移到目标姿势。在没有明确交流的情况下,这个问题是具有挑战性的,因为它需要两个异质的代理之间的紧密隐式协调,他们的感应,驱动和推理能力非常不同。我们的关键见解是,两个代理可以通过将微妙的交流信号编码为影响运输对象状态的动作来流利地协调。为此,我们设计了一种推理机械性,该推论概率地绘制了对两个代理执行的联合行动的观察到一组工作空间遍历的联合策略。基于这种机制,我们定义了代表人类对展开遍历策略的不确定性的成本,并将其引入模型预测控制器,该模型在不确定性最小化和效率最大化之间平衡。我们将框架部署在移动操纵器(Hello Robot Stretch)上,并在受试者内实验室研究(n = 24)中对其进行评估。我们表明,与缺乏交流机制的基线相比,我们的框架可以使机器人能够更加流利,合格的合作伙伴,使机器人能够更加流利,有能力的合作伙伴。索引条款 - 人类机器人协作;人类机器人团队;隐式通信
具有识别共济失调的隐性疾病。1具有许多ARCA的大规模自然病史和机械治疗试验,不仅在相对频率上,而且还需要现实世界中的年龄和疾病严重性分布,作为试验设计计划和招聘的关键信息。在这项多中心研究中,我们提供了有关欧洲Arcas相对频率的数据,描述了疾病发作时的年龄频谱,并介绍了有关ARCA患者疾病严重性分布的现实世界数据,这些数据有助于为未来的试验计划提供信息。2013年至2022年6月在23个欧洲遗址的2013年至2022年6月在2013年至2022年6月之间的连续患者的前瞻性横断面和纵向数据(图1a),所有这些都通过国际ARCA注册表收集。2例患者有资格将其纳入ARCA注册中,如果他们具有(1)基因确定的ARCA;和/或(2)在40岁之前发作,没有常染色体显性遗传病史的证据,脊髓脊髓性共济失调基因的重复扩张或获得的原因,因此代表了已知的性共济失调患者的层状患者。3,4名弗里德里希(Friedreich)的共济失调(FA; n = 112)的患者之所以包括(1)FA已由其他欧洲自然历史记录登记处并行覆盖(例如,5),这将导致当前研究中的扭曲,非显性频率估计; (2)这项研究的重点是稀有且研究不足的Arcas; (3)因此,本研究中研究的疾病数据已经在其他地方可用。5
人工智能和机器学习正在工业界和学术界得到广泛应用。这是由人工智能的应用和准确性通过日益复杂的算法和模型的快速发展推动的;这反过来又刺激了对专用硬件人工智能加速器的研究。鉴于进步的快速步伐,人们很容易忘记它们通常是在真空中开发和评估的,而没有考虑完整的应用环境。本文强调需要对人工智能 (AI) 工作负载进行整体、端到端分析,并揭示“人工智能税”。 我们在边缘数据中心部署和描述人脸识别。该应用程序是一个以人工智能为中心的边缘视频分析应用程序,使用流行的开源基础设施和机器学习 (ML) 工具构建。尽管使用了最先进的人工智能和机器学习算法,但该应用程序严重依赖于预处理和后处理代码。随着以 AI 为中心的应用程序受益于加速器所承诺的加速,我们发现它们对硬件和软件基础设施施加了压力:随着 AI 加速的增加,存储和网络带宽成为主要瓶颈。通过专门针对 AI 应用程序,我们表明,专用边缘数据中心可以设计用于加速 AI 的压力,其 TCO 比来自同质服务器和基础设施的 TCO 低 15%。
世界许多国家的政府认为,私营军事和安保公司能够以相对较低的成本迅速填补关键的安全能力缺口。美国私营军事和安保公司无疑为美国政府提供了基本服务。例如,在阿富汗和伊拉克,美国私营军事和安保公司成功地保护了美国高级官员,并提供了关键的武器维护服务。一些美国私营军事和安保公司加强了美国伙伴国家军队对作战战术和军事道德的了解。然而,政府对私营军事和安保公司的使用导致美国军事行动的成本严重超支和表现不佳。5 一家美国政府监督机构估计,美国因浪费、欺诈和滥用而损失了近三分之一的阿富汗重建资金,其中大部分涉及承包商。6 该监督机构的报告仔细审查了一家这样的承包商——一家名为 TigerSwan 的私营军事和安保公司——它似乎向美国国务院收取了过高的费用。7 人们还严重担心一家私营军事和安保公司向阿拉伯联合酋长国 (UAE) 收取过多的武器化民用直升机的运费。8
摘要:关系资本和组织绩效是实现供应链可持续发展的重要因素,知识共享可以创造和保持供应链的可持续竞争优势。本研究利用问卷调查数据,考察了关系资本、显性和隐性知识共享、组织绩效之间的综合关系以及显性和隐性知识共享在关系资本与组织绩效之间的中介作用。利用SPSS、AMOS和结构方程模型对数据和上述关系进行分析。研究结果证实,关系资本对显性和隐性知识共享有正向影响,与组织绩效无关,显性和隐性知识共享在关系资本与供应链组织绩效之间起中介作用。研究结果可为管理者制定维持供应链企业良好关系与经济效益的可持续发展战略提供理论指导。
摘要 隐性性别偏见会给职场女性带来代价高昂且复杂的后果,许多女性报告称自己遭受了性别微侵犯,这导致她们被忽视或不尊重。我们呈现了一个在线桌面虚拟环境,从第一人称视角讲述了男性或女性自我形象的故事,他们要么经历积极要么消极的工作场景。消极场景包括许多来自性别微侵犯分类的例子。与拥有男性自我形象的参与者相比,与女性自我形象有过消极职场体验的参与者的隐性性别偏见水平显著降低。有证据表明,在消极条件下,女性自我形象表现出同理心和观点采择。无论自我形象的性别如何,积极的职场场景体验都没有表明隐性性别偏见显著减少。我们讨论了这些发现的含义,并就减少隐性偏见提出了虚拟环境技术和场景的建议。
关于该报告,本报告描述了对在美国三个太平洋海岸州(加利福尼亚州,俄勒冈州和华盛顿)许可的保险公司投资的分析。它描述了这些投资对化石燃料和清洁,低发射技术的曝光,这些投资与一系列未来气候情况的一致性以及在迅速无序过渡以实现2015年巴黎协定目标的快速过渡时可能产生的影响。1这里的分析和结果代表了美国州保险监管机构的首次气候压力测试。本报告的目的是了解相对于向低碳经济过渡的连续太平洋沿岸国家中运营的保险公司的地位,并向公司和新工具的效用展示了用于远景风险评估的新工具的效用。它仅代表了加利福尼亚州保险部的长期战略,即为保险部门采用和促进前瞻性气候风险评估。它也代表了美国州保险监管机构之间的重要合作。
环境条件恶化、人口增长和消费者偏好变化给农业系统带来越来越大的压力,导致营养不良相关疾病的广泛传播。通过合成生物学等生物技术提高植物营养含量是一种有前途的策略,有助于对抗由于人类饮食中缺乏负担得起的健康食品而导致的隐性饥饿。最近,人们在植物中证实,通常存在于富含动物的饮食中的化合物(如维生素 D 或 omega-3 脂肪酸)可以生产出来。在这里,我们回顾了最近使用维生素、矿物质和其他代谢物对植物进行生物强化的生物技术方法,并总结了合成生物学的进展,这些进展为在这些早期的生物强化工作的基础上再接再厉提供了机会。
人工智能和机器学习正在工业界和学术界得到广泛应用。这是由于人工智能的应用和准确性通过日益复杂的算法和模型迅速发展所推动的;这反过来又刺激了对专用硬件人工智能加速器的研究。鉴于进步的快速步伐,人们很容易忘记它们通常是在真空中开发和评估的,没有考虑完整的应用环境。本文强调需要对人工智能工作负载进行整体、端到端分析,并揭示“人工智能税”。我们在边缘数据中心部署和描述人脸识别。该应用程序是一个以人工智能为中心的边缘视频分析应用程序,使用流行的开源基础设施和机器学习工具构建。尽管使用了最先进的人工智能和机器学习算法,但该应用程序严重依赖于预处理和后处理代码。随着以人工智能为中心的应用程序受益于加速器承诺的加速,我们发现它们给硬件和软件基础设施带来了压力:随着人工智能加速的增加,存储和网络带宽成为主要瓶颈。通过专注于人工智能应用,我们表明,专门构建的边缘数据中心可以设计用于应对加速人工智能的压力,其 TCO 比来自同质服务器和基础设施的 TCO 低 15%。
《潜印检查与人为因素:通过系统方法改进实践》由美国司法部国家司法研究所资助,并与美国商务部国家标准与技术研究所的执法标准办公室合作编写。本报告中表达的意见或观点均为作者的观点,并不一定反映美国司法部或美国商务部的官方立场或政策。本报告中提及的商业产品或服务并不意味着国家标准与技术研究所的批准或认可,也不意味着此类产品或服务一定是最佳选择。建议引用格式:潜印分析中人为因素专家工作组。《潜印检查与人为因素:通过系统方法改进实践》。美国商务部,国家标准与技术研究所。2012 年。