监测普遍的空气传播疾病，例如COVID-19的特征涉及呼吸评估。虽然听诊是一种症状监测的主流方法，但其诊断效用受到专用医院就诊的需求而受到阻碍。基于便携式设备上呼吸道声音的记录，持续的远程监视是一种有希望的替代方法，可以帮助筛选Covid-19。在这项研究中，我们介绍了一种新型的深度学习方法，可以将Covid-19患者与健康对照组区分开，鉴于咳嗽或呼吸声的音频记录。所提出的方法利用新型的层次谱图变压器（HST）在呼吸声的光谱图表示上。 HST在频谱图中体现了在本地窗口上的自我发挥机制，并且窗口大小在模型阶段逐渐生长，以捕获本地环境。将HST与最新的常规和深度学习基线进行比较。在跨国数据集上进行的全面演示表明，HST优于竞争方法，在检测COVID-19案例中，在接收器操作特征曲线（AUC）下达到了97％以上的面积。
translated by 谷歌翻译
该手稿介绍了一个对象可变形性框架框架，用于共享一个人和多个机器人之间共享的任务。我们的方法可以根据对象的大小和重量与多个机器人共享负载，从而完全控制人的共同轨迹。这是通过合并通过对象传递的触觉信息和从运动捕获系统获得的人类运动信息来实现的。该框架的一个重要优点是，无论对象大小和变形特征如何，机器人之间不需要严格的内部通信。我们使用两个具有挑战性的现实场景来验证框架：木质刚性壁橱的共同投资和叉车移动带上的笨重盒子，后者是可变形物体的。为了评估所提出的框架的普遍性，由两个移动操纵器组成的异源团队由Omni方向移动基础组成，并为实验选择了具有不同DOF的协作机器人组。在这些实验过程中，我们的控制器和基线控制器（即入学控制器）之间的定性比较证明了提出的框架的有效性，尤其是在共同携带可变形物体时。此外，我们认为，在实验中使用起重带的框架的性能为共同运输的笨重和不可覆盖的物体提供了有希望的解决方案。
translated by 谷歌翻译
远程运行是一种广泛采用的策略，用于控制需要高度灵巧运动和关键高级智力的复杂任务的机器人操纵器。经典的远程操作方案基于操纵杆的控制，或基于更直观的接口，这些界面将用户臂运动直接映射到一个机器人臂的运动中。当执行给定任务需要可重新配置的多个机器人ARM系统时，这些方法会限制。实际上，两个或多个机器人臂的同时进行近距离运行可以扩展操纵单元的工作空间，或增加其总有效载荷或提供其他优势。在可重新配置的多臂系统的不同阶段中，每个机器人可以充当独立的手臂，也可以充当一对合作的手臂，或者是虚拟大型机器人手的手指之一。该手稿提出了一个新型的远程注射框架，可以使个人和组合任何数量的机器人臂控制。多亏了设计的控制体系结构，人类操作员可以直观地选择提出的控制方式和操纵器，以使任务方便地通过用户界面执行。此外，通过Tele-Tele-Inverance范式，该系统可以通过让机器人模仿人类操作员的手臂阻抗和位置参考来解决需要物理互动的复杂任务。拟议的框架已通过8个主题，控制4个弗兰卡·埃米卡·熊猫机器人，并用7多杆执行远程触发任务。实验的定性结果向我们展示了我们框架的有希望的适用性。
translated by 谷歌翻译