摘要：机器人手术系统凭借微创、精细、灵活、无震颤等优势,在多个外科领域不断得到普及应用.然而,现有的机器人手术系统尚未充分发挥人和机器各自的优势,在智能化交互方面的表现有待提高.因此,文中首先从系统科学的角度分析机器人手术系统中交互关系的发展,并从多方面提出当前人机交互的不足.然后,构建面向机器人手术系统的“人-机-环”信息流框架,以机器人辅助乳内动脉获取手术场景为例,梳理“人-机-环”各部分之间的复杂交互.最后,基于“人-机结合”理论,结合构建的“人-机-环”信息流框架,提出以“人机融合智能共进”为目标的新一代机器人手术系统的设计思路,为实现更安全高效的机器人微创外科手术目标提供借鉴.

摘要：针对半主动型膝关节置换手术机器人的柔顺跟随医生意图运动和手术安全范围约束问题,提出了一种模型预测导纳控制算法.首先,为了提高算法运行效率,使用斯特林插值方法对机械臂动力学模型进行线性化,并作为预测模型,该方法计算简单且求解精度高;其次,基于导纳模型力柔顺控制机理识别操作医生的力意图生成机械臂期望运动轨迹;然后,设计虚拟状态,提高模型预测控制算法的显式处理约束能力,利用模型预测控制的滚动优化和反馈校正特性提高控制鲁棒性;最后,结合成机械臂模型预测导纳控制器.设计三环PID(Proportional integral derivative)控制对照试验,验证了模型预测控制算法的轨迹跟踪性能更好,可以更好的实现期望的导纳动态,从而得到更优的柔顺效果.在此基础上,进一步验证模型预测导纳控制器在具有强耦合性、复杂系统参数结构特性的机械臂上的主动约束效果.结果表明模型预测导纳控制算法能实现比传统三环PID控制更好的柔顺性,且具备满足膝关节置换手术需求的安全性.本文有望促进半主动手术机器人的实际应用.

摘要：针对边界表示模型生成的面网格模型存在的误差大、分辨率高和不水密的问题,提出针对计算机辅助设计(CAD)实体模型的保精度网格生成算法.算法通过同步生成对齐共边点对保证网格的水密性;利用连续表征设计网格目标边长,以生成高精度、低分辨率的网格.与现有的开源网格生成软件相比,算法能用更少的网格面片数生成精度更高的网格,且网格质量与其相当.

摘要：随着通用人工智能(AGI)和人工智能生成内容(AIGC)技术的迅猛发展,传统的艺术形式和教育手段正经历着前所未有的变革。这些技术不仅带来了全新的创作工具和平台[1],也对艺术教育提出了新的挑战[2]。在这个科技迅速发展的时代,我们需要重新思考艺术创作与艺术教育的核心价值和目标,特别是绘画这一古老而又充满活力的艺术形式是否依然重要。

摘要：在大数据、云计算和机器学习等新一代人工智能技术的推动下,自动驾驶的感知智能在近年来得到显著的提升与发展.然而,与人类驾驶过程中隐含的以自我目的实现为引导的自探索性和自主性相比,现阶段自动驾驶技术主要以辅助驾驶功能为主,还停留在以被动感知、规划与控制为主的初级智能自动驾驶阶段.为实现车辆智能从数据驱动的环境感知、辅助决策、被动规划到知识驱动的场景认知、推理决策、主动规划的提升,亟需增强车辆自身对复杂外界信息归纳提炼、推理决策、评价估计等类人能力.首先回顾自动驾驶关键技术演化及其应用发展历程;随后分析测试对车辆智能评估的效用;然后基于平行测试理论,提出自动驾驶车辆认知智能训练、测试与评估空间的构建方法,并设计基于平行测试的认知自动驾驶智能训练框架.该项研究工作预期能为推动自动驾驶从感知智能向认知智能的升级提供可行的技术支撑与实现路径.

摘要：为了更好地建模食物不同内容信息之间的关系,提出一种基于跨模态多视角自监督异构图网络的个性化食物推荐模型.首先,基于用户､食物以及食材,构建异构图;其次,基于信息传递,学习建模信息之间的复杂层级关系;再次,利用食物节点特征､食物食材特征以及食物图像特征,构建跨模态多视角对比自监督学习任务增强食物节点的表示;最后,利用用户表示以及基于注意力模块融合得到的食物综合表示完成食物推荐.在大规模食物推荐数据集上的实验结果表明,该方法比最优的基线方法在AUC,NDCG@10和Recall@10这3个指标上分别提升6.35%,8.13%和11.7%,从而证明了该方法的有效性.

摘要：自然场景文本擦除技术可应用在图像通信中的隐私保护、图像编辑等领域,然而现阶段的场景文本擦除在面对背景复杂、文本尺度变化较大的场景图像时,难以提取鲁棒的文本特征,出现文本检测不全、背景修复不完整等问题.针对上述问题,文中提出基于多尺度注意力机制的场景文本擦除框架.该框架主要由背景修复网络和文本检测网络共同组成,它们共享一个主干网络.在背景修复网络中,设计纹理自适应模块,从原始特征的通道和空间两个维度进行特征编码,自适应地集成局部特征与全局特征,有效修复因重构文本区域而导致的阴影部分.在文本检测网络中,设计上下文感知模块,学习图像中文本区域和非文本区域之间的判别关系,有效区分文本区域和非文本区域,提升文本检测的效果.此外,为了增强网络的感受野,改进不同尺度文本的擦除效果,提出多尺度特征损失函数,同时优化背景修复网络和文本检测网络.SCUT-SYN、SCUT-EnsText数据集上的实验表明,文中框架可取得较优的文本擦除性能.

摘要：开集动作识别任务要求模型不仅能准确识别训练集中的类别,还能拒绝训练集上未出现的未知类动作.目前,大多数方法都将动作视为一个整体,忽略动作本身可被分解为更细粒度的动作单元.为此,文中提出时序动作单元感知的开集动作识别方法.首先,设计动作单元关系模块,学习细粒度的动作单元特征,得到动作和动作单元的关系模式,并通过已知类动作和未知类动作在动作单元上不同的激活程度识别未知类动作.然后,设计动作单元时序模块,建模动作单元的时序信息,研究动作单元的时序性,进一步区分因为外观相似而被混淆的已知类动作和未知类动作.最后,综合考虑关系模式与动作单元时序信息,使模型具备区分已知类动作和未知类动作的能力.在3个动作识别数据集上的实验表明,文中方法性能较优.

摘要：一些文献中报道,即使深度网络的权重参数随机赋值,对应的深度网络仍有一定的分类能力.以AlexNet为模式网络,从3个侧面分析探讨了随机深度网络是否具有图像物体分类能力.首先,将AlexNet的权重随机赋值;然后,对多类不同的图像物体刺激下的神经元响应的表达不相似矩阵(RDM)与原AlexNet的RDM进行了相关性分析,发现这2类RDM具有显著相关性;鉴于深度卷积网络每层的卷积操作为加权求和,且根据中心极限定理,大量随机变量的和近似服从正态分布,进一步分别拟合了在同一输入图像下原AlexNet神经元响应的分布和随机AlexNet神经元响应的分布与高斯分布的拟合优度,并对上述2种优度进行了相关性分析.大量模拟实验表明,对于来自真实世界的样本,对应高斯拟合优度呈现显著相关性.最后,直接利用赋以随机权重的AlexNet输出的高层响应进行K近邻分类,发现其分类精度高于直接对原始彩色图像进行K近邻分类的精度.因此,与文献报道相似,实验结果再次表明随机深度网络的确具备一定的物体分类的能力.

摘要：网络结构自适应旨在根据特定学习任务和数据对神经网络结构进行自动设计和模型优化,以适应开放环境智能感知学习任务的综合需求.文中旨在全面综述网络结构自适应方法.首先,阐述并分析神经架构搜索的主要方法.然后,分别从轻量化神经架构搜索、智能感知任务、连续学习三个方面呈现网络结构自适应的研究进展.在此基础上,建立一套面向开放环境应用的深度神经网络组件与结构的自适应评价指标体系,提出一种网络结构自适应方法,通过注意力引导的微观架构自适应机制和渐进式离散策略,在优化过程中实现网络结构的自适应调整优化和逐步离散化,并与现有方法进行对比分析.最后,探讨当前方法存在的问题与挑战,展望未来的研究方向.