基於貝葉斯推理的增強人機協作
本文提出了一種基於貝葉斯網絡的新穎人類意圖預測框架,能夠有效整合頭部方向、手部方向和手部運動等多模態信息,實現更準確、更實時的人機協作。
時尚設計中人工智能協作促進創意與風格生成
本文提出了一個名為HAIGEN的人機協作系統,旨在提高時尚設計師的創作效率。該系統包括雲端的文本到圖像模塊、本地的圖像到草圖模塊、草圖推薦模塊和風格遷移模塊。設計師可以利用雲端強大的生成能力獲取靈感,並與本地小型模型無縫集成,完成整個設計流程。該方法有效保護了設計師的隱私,同時提高了設計效率。
推斷人類意圖以更好地遵循自然語言指令
為了讓AI助手能夠在人類環境中完成日常合作任務,需要能夠推斷人類的隱藏目標和意圖,而不是單純地遵循指令。
人機協作團隊中的認知與控制協作
本文提出了一種新的多機器人規劃和協作方法,結合了元認知、自然語言溝通和可解釋性,以實現人機協作團隊的有效運作。
人類靈活性與獎勵偏好在人機協作中的融合
本文探討在人機協作中,如何透過獎勵偏好學習來融合人類的靈活性,以提高團隊的整體表現。
非本地語使用者、本地語使用者和人工智能編輯工具在協作寫作中所面臨的隱藏障礙
非本地語使用者在協作寫作中往往受到語言表達能力的限制,但他們在提供想法和觀點方面的貢獻並不受影響。有效的協作需要平衡非本地語使用者在表達和構思方面的需求。
社交智慧：個人、群體和人工智慧系統如何相互增智（或降智）
社交智慧是指個體能夠靈活地在個人和群體成員之間切換,並根據情境需求而行動,從而實現個人和群體目標的能力。
以相關性為導向的決策制定,實現更安全高效的人機協作
利用大型語言模型(LLM)預測人類目標和相關物品,並將其應用於實時決策制定,以實現更安全高效的人機協作。
利用逆微分李雅普諾夫方程優化人機協作
本文提出了一個整合最優軌跡生成和穩健跟蹤控制策略的人機協作框架。該框架利用逆微分李雅普諾夫方程來優化協作動力學,提供了一種有效的方法來生成時變、任務特定的人機系統軌跡。為確保這些軌跡的精確跟蹤,實現了一種神經自適應PID控制方法,能夠補償系統不確定性和變化。這種控制策略使用徑向基函數神經網絡動態調整PID增益,確保了穩定性和自適應性。仿真結果證明了該方法在實現優化人機協作和精確關節空間跟蹤方面的有效性,使其適用於實際應用。
人機協作中的相關性
提出一種新的概念和方法"相關性"來識別場景中與人類目標相關的元素,並開發了一個基於事件的框架和概率方法來有效和準確地量化相關性。相關性可以顯著提高人機協作的性能。
© 2024 by Linnk AI