人类手的运动控制——功能性物体操作与抓握动作的动力学差异 学术背景 人类的手部功能在日常生活中扮演着至关重要的角色，特别是通过手部的灵活性，我们能够使用工具完成各种复杂任务。然而，每年有数百万人因中风、截肢等疾病失去手部功能，这导致了对手部动作的深入研究。尽管过去的研究主要关注了手部在抓握和伸向物体时的协调运动（称为“协同运动”或“synergies”），但关于手部在复杂物体操作中的协同运动研究仍然较少。理解这些差异对于设计更先进的假肢和康复设备至关重要，因为这些设备的目标是恢复患者的功能性操作能力，而不仅仅是抓握能力。 这篇论文旨在探讨两个关键假设： 1. 操作动作所需的协同运动数量与抓握动作相同； 2. 操作动作的协同运动与抓握动作的协同运动性质不同。 通过研究人类在安装线束（wire ...

压电定位平台的滞回非线性系统自适应量化控制研究 背景介绍 在现代高精度定位系统中，智能材料（如压电陶瓷）因其优异的性能被广泛应用于微纳制造、软机器人等领域。然而，这些材料固有的滞回非线性（Hysteresis Nonlinearity）特性使得系统的输入与输出呈现复杂的循环关系，导致定位不准确，甚至可能引发系统不稳定。因此，如何有效控制滞回非线性系统成为当前研究的热点问题。此外，实际应用中还存在不规则约束（Irregular Constraints）的问题，即系统在某些时刻受到约束，而在其他时刻则不受约束。传统的控制方法通常仅适用于全程约束或无约束的情况，无法有效处理这种间歇性约束。为此，Heyu Hu等研究者提出了一种自适应量化控制方案，旨在解决滞回非线性系统在存在不规则约束情况下的跟踪控...

建筑工人穿戴膝关节外骨骼辅助平衡与工作任务评估 背景介绍 建筑工人在危险的工作环境中面临着严重的安全和健康风险，尤其是在高处施工时，长时间的站立和跪姿可能会导致膝关节损伤、肌肉骨骼疾病以及视觉干扰等因素影响工人的平衡能力。为了防止跌倒和其他工伤事故，研究人员开始关注如何通过技术手段提升建筑工人在这些高风险环境中的平衡能力。膝关节外骨骼（knee exoskeleton）作为一种可穿戴设备，被认为是一种有潜力的干预措施，可以减少膝关节的负荷，帮助工人在各种工作姿势中保持平衡。 本研究的核心在于探讨下肢关节，特别是膝关节，在站立和跪姿中对神经平衡控制策略的影响。同时，研究还评估了高处环境和膝关节外骨骼对建筑工人姿势平衡及焊接任务表现的影响。通过虚拟现实（VR）和混合现实（MR）技术，研究人员模拟...

自动化策略在解剖病理学组织分析中的应用：基准标记整合与多表面组织比较 背景介绍 在解剖病理学实验室中，许多流程仍依赖于手动操作，尤其是在石蜡包埋组织块（Paraffin-Embedded Tissue Blocks, PETBs）的制备和处理过程中。手动操作不仅可能导致样本处理不一致，还可能引发样本错误识别或丢失，进而影响诊断的准确性和效率。为了应对这一问题，自动化技术被引入以提升实验室的效率、减少人为错误，并确保样本处理的一致性。 然而，现有的自动化解决方案仍面临诸多挑战，尤其是在组织样本的追踪和特定区域的识别方面。例如，在处理过程中，石蜡包埋组织块中的特定区域可能需要在后续实验室分析中进一步研究（如肿瘤治疗中的分子分型），但缺乏可靠的参考点使得这一过程复杂且容易出错。因此，研究团队提出了...

基于测地距离场的五轴连续扫描方法用于多入口内壁表面检测 背景介绍 在工业应用中，多入口内壁（MEI, Multi-Entrance Inwall）表面因其复杂的拓扑结构和潜在的碰撞风险，精确检测这些表面一直是一个挑战。传统的点对点检测方法效率较低，而近年来开发的五轴连续扫描技术则显著提高了检测效率，为大面积、复杂表面的检测提供了新的可能性。然而，目前五轴连续扫描的路径规划仍然高度依赖人工干预，尤其是针对MEI表面时，由于复杂的碰撞场景和多入口结构，自动化路径生成尤为困难。为此，本文提出了一种基于测地距离场（GDF, Geodesic Distance Field）的新方法，旨在自动、高效地生成五轴连续扫描路径，解决MEI表面检测中的路径规划和碰撞规避问题。 论文来源 本论文由 Yuzhu D...

基于状态自学习的分布式智能控制方法及其在级联过程中的应用研究 学术背景 在过程工业中，多反应器级联操作是一个显著的特征。然而，建立精确且全局的多反应器级联过程模型面临诸多挑战。反应器的复杂动态运行状态以及前后反应器之间的耦合关系，使得整个过程的精细控制难度极大。传统的PID控制（比例-积分-微分控制）和模糊控制等方法在单变量和单回路控制过程中表现良好，但在多反应器级联系统的协同控制中显得力不从心。模型预测控制（Model Predictive Control, MPC）虽然在过程工业中得到了广泛应用，但其在处理大规模和非线性级联过程时仍存在局限性，尤其是在实时控制和优化方面。 随着人工智能和大数据等新兴技术的发展，探索新的控制方法以实现对整个过程的精确控制成为迫切需求。本文提出了一种基于状态...

基于多无人机的高效分散式时序规划器用于时空野火防控 学术背景 野火是全球范围内对生物多样性和资源可持续性的重大威胁，尤其是在初期阶段。若未能及时控制，野火的规模可能会迅速扩大，导致严重的生态破坏。近年来，多无人机系统（Unmanned Aerial Vehicles, UAVs）在野火防控中的应用逐渐增多，主要是为了减少人类在危险环境中的暴露，并提高应急响应的效率。然而，现有的研究大多局限于搜索、监测或灭火等单一环节，缺乏对多无人机协同任务的综合研究。尤其在资源有限、无人机数量不足、野火动态变化的部分可观测环境中，如何高效分配无人机任务以进行早期野火防控仍是一个复杂且具有挑战性的问题。 本文提出了一种冲突感知的高效分散式时序规划器（Conflict-aware Resource-effici...

无人水面车辆（USV）的模型预测控制新方法：基于概率神经网络的MBRL框架 学术背景 无人水面车辆（Unmanned Surface Vehicles, USV）近年来在海洋科学领域迅速发展，广泛应用于海洋运输、环境监测、灾害救援等场景。然而，USV的控制系统仍然面临诸多挑战，尤其是在复杂海洋环境中应对外部干扰的能力。传统的模型自由强化学习（Model-Free Reinforcement Learning, MFRL）方法虽然在某些任务中表现良好，但其依赖大量数据和模拟训练，且缺乏对不确定环境的鲁棒性。为了解决这些问题，模型基础强化学习（Model-Based Reinforcement Learning, MBRL）方法应运而生。MBRL通过同时学习环境模型和优化控制策略，能够更高效地应...

一种基于观测可信度推断的受限学习网络用于少样本退化建模 学术背景 在复杂工程系统中，多传感器广泛应用于监控设备的退化过程并预测其剩余使用寿命（Remaining Useful Life, RUL）。然而，在仅有少量样本的情况下，确保预测性能仍然具有挑战性。少样本场景下，传感器数据中的不一致观测（discordant observations）会引入大量不确定性，导致经验损失与预期损失相差甚远。此外，学习到的退化模型往往会在有限的可用样本上过拟合，导致模型参数分布偏差，从而限制模型在未见样本上的泛化能力。为了解决这些问题，本论文提出了一种基于观测可信度推断（Observation Credibility Inference, OCI）的受限学习网络，用于少样本退化建模。 该研究旨在开发一种适用...

学术背景 随着有机化合物对环境污染的威胁日益加剧，研究不同水生生物对有机化合物的毒性反应变得至关重要。这些研究不仅有助于评估污染物对整个水生生态系统的潜在生态影响，还为环境保护提供了重要的科学依据。传统的实验方法虽然能够提供一定的数据，但其成本高昂、耗时较长，且难以应对大规模化学物质的毒性评估。随着深度学习技术的快速发展，其在预测水生毒性方面表现出更高的准确性、更快的数据处理速度以及更好的泛化能力。然而，现有方法在处理高维特征数据时仍存在局限性，尤其是在捕捉分子复杂结构和相互作用方面。因此，如何开发一种能够同时预测多种水生生物毒性的多任务深度学习模型，成为了当前研究的重要课题。 论文来源 本文由Xin Yang、Jianqiang Sun、Bingyu Jin等研究者共同完成，他们分别来自U...