Мозг на связи: Генеративные сети улучшают интерфейсы «мозг-компьютер»

Предлагаемая схема генеративного преобразования ЭЭГ в МЭГ включает в себя кодировщик для извлечения общих представлений нейронной активности, модуль пространственного сопоставления признаков ЭЭГ и МЭГ, генератор на основе диффузии в латентном пространстве для создания признаков МЭГ, а также модуль широкополосной спектральной калибровки для восстановления сигнала МЭГ, при этом вся модель оптимизируется совместно сквозным способом с использованием многомерной функции потерь.

Новый подход, использующий искусственный интеллект для синтеза данных магнитоэнцефалографии из электроэнцефалографии, позволяет повысить точность и эффективность систем управления устройствами силой мысли.

Автомобили будущего: как обычные люди создают интерфейсы для беспилотников

Процесс коллективного проектирования, основанный на итеративном уточнении идей, визуализируется в виде древовидной структуры, где первоначальные концепции разветвляются в последующие эскизы, а участники, оценивая предыдущие разработки, предлагают собственные варианты, состоящие из эскиза и текстового пояснения, тем самым обеспечивая поступательное развитие проекта.

Новое исследование показывает, что привлечение широкой общественности к проектированию внешних интерфейсов беспилотных автомобилей позволяет создавать более понятные и удобные системы взаимодействия.

Осязание и зрение: новая система для понимания мира предметами

Исследование демонстрирует, как тактильное взаимодействие с объектами дополняется мгновенными визуальными описаниями: пользователи получают иерархическую информацию, начиная с положения руки, краткого обзора и детализированных характеристик, могут запрашивать данные голосом, а жесты - например, указание или смахивание - позволяют получить доступ к конкретным свойствам объекта или сравнить два предмета одновременно, раскрывая потенциал для интуитивного взаимодействия человека с окружением.

Исследователи разработали систему, которая помогает незрячим и слабовидящим людям лучше понимать окружающие предметы через тактильное взаимодействие и автоматические словесные описания.

Визуальное управление роботами: точное манипулирование без текстур

В рамках разработанной системы визуального сервопривода, расширенный фильтр Калмана [latex]EKF[/latex] объединяет данные ключевых точек с априорной информацией о движении, обеспечивая надежное определение шестимерных координат объекта и его ориентации в пространстве.

Новый подход к визуальному сервоуправлению позволяет роботам надежно захватывать и перемещать объекты без выраженной текстуры, используя информацию с RGB-D камер и алгоритмы фильтрации Калмана.