ACM TCPS的文章涵盖了以下重要钻研方向:
? 系统设计与建模:探求网络物理系统的设计准则、建模步骤以及系统架构,援手构建高效、靠得住和可扩大的CPS。
? 分析与验证:钻研CPS的机能分析、验证和测试技术,确保系统的安全性和靠得住性。
? 节造与优化:索求在CPS中实现最优节造和资源治理的步骤,提高系统的效能和机能。
? 网络与通讯:钻研CPS中的通讯和谈和网络架构,支持系统内表部的高效信息互换。
? 利用与实际:展示CPS在各个行业中的现实利用案例和实际经验,推动理论与实际的结合。

ACM Transactions on Cyber Physical Systems
Special Issue on Embodied Artificial Intelligence in Cyber-Physical Systems: Algorithms, Computing Systems, Applications, and Trustworthiness
具身智能特刊:算法、推算系统、利用和可信性
https://dl.acm.org/journal/tcps/calls-for-papers
客座编纂:
? 刘少山 博士, Z6官网
? Prof. Vijay Janapa Reddi, 美国哈佛大学
? 刘学 教授,加拿大工程院院士,IEEE Fellow, 加拿大麦吉尔大学
? Prof. Arijit Raychowdhury, IEEE Fellow, 美国乔治亚理工
? Prof. Jean-Luc Gaudiot, IEEE/AAAS Fellow, 美国加州大学欧文分校
具身智能系统集成了推算算法和物理组件。这些系统通过传感器和执行器可能感知和与环境互动,从而实现实时的、情境感知的决策。通过整合这些元素,EAI系统能够在多样化的环境中执行复杂工作,将推算模型与物理世界的动态相结合。这种集成对于开发和运行机械人、自动驾驶车辆和其他在物理空间内操作的AI驱动技术至关沉要。EAI系统的一个沉要利用是机械人技术,由于EAI涉及将人为智能嵌入物理实体,出格是机械人,使这些物理实体具备感知、进建和动态互动的能力。这种步骤使机械人可能随着环境的变动而进化和适应。一个显著的事俘是Figure AI仿人机械人,它利用了OpenAI的尖端技术。该机械人展示了其先进的环境理解能力,并可能适本地响应各类刺激,这标志取智能、互动机械的发展迈出了沉要一步。
欲相识更多关于EAI布景的信息,请参考以下文档:
https://cacm.acm.org/article/shaping-the-outlook-for-the-autonomy-economy/
https://cacm.acm.org/blogcacm/a-brief-history-of-embodied-artificial-intelligence-and-its-future-outlook/
https://cacm.acm.org/blogcacm/building-foundation-models-for-embodied-artificial-intelligence/
https://cacm.acm.org/blogcacm/building-computing-systems-for-embodied-artificial-intelligence/
https://cacm.acm.org/blogcacm/the-value-of-data-in-embodied-artificial-intelligence/
https://cacm.acm.org/blogcacm/building-foundation-models-for-embodied-artificial-intelligence/
https://cacm.acm.org/blogcacm/establishing-standards-for-embodied-ai/
EAI 系统对推算的要求极高,以实现矫捷性、推算效能和可扩大性。我们总结了构建EAI 系统确当前技术挑战:
? 复杂的软件仓库挑战:复杂性会导致不足矫捷性。EAI 系统必须整合多种职能,从环境感知和物理交互到执行复杂工作。这种整合必要协调各个组件,如传感器数据分析、复杂的算法处置以及对执行器的精确节造。此表,为了适应各类大局的机械人及其有关工作,必要一个多职能的EAI 系统软件仓库。在单一软件架构内实现这些多样元素的协同操作引入了显著的复杂性,增长了创建无缝高效软件生态系统的挑战。
? 不合用的推算架构:现有的推算框架不及以应对EAI的复杂需要。对大数据流的实时处置要求,加上高并发、不间断的靠得住性和能效需要,组成了沉大挑战。这些限度故障了机械人在复杂和动态环境中最佳职能的阐扬,突显出急需创新的推算架构,以适应EAI的轻微要求。
? 数据瓶竟叵碍:数据不及限度了可扩大性。EAI 系统的演进和改进严沉依赖于宽泛、高质量数据集的获取和利用。然而,从机械人与其操作环境的互动中获取数据是一项艰巨的工作。这重要是由于这些环境的多样性和复杂性,加之捕获多样化、现实世界数据的后勤和技术难题。数据瓶颈不仅故障了开发过程,还限度了具身AI机械人进建、适应和进化以响应其周围环境的潜力。
为应对这些技术挑战,本期特刊旨在索求EAI 系统钻研的前沿,沉点关注创新算法、系统软件、推算机架构、数据天生、分析以及EAI 系统在现实场景中的现实利用。
本期特刊约请原创钻研论文、综合评论和案例钻研,涵盖但不限于以下主题:
? EAI算法:新鲜的算法,使AI系统可能自主决策和进行感触-活动协调。为物理系统内实时处置和集成量身定造的机械进建模型。
? EAI的系统软件:推进EAI 系统开发和部署的软件平台和框架。优化EAI 系统利用的中央件和通讯和谈。
? EAI的推算机架构:支持EAI 系统利用怪异需要的硬件架构创新。用于分散式AI操作的节能推算解决规划。
? EAI的数据天生与分析:用于合成EAI 系统特定训练数据的技术和工具。从EAI 系统中的传感器数据中提取可操作见解的分析步骤。
? EAI 系统的靠得住性和可预测性:靠得住性问题通常源于传感器精度的变动,因而确保EAI系统在现实环境中一致性、靠得住性和可预测性运行的技术和工具是必不成少的。这通常必要健全的传感器校准步骤、容错算法和可能实时检测和纠正异常的监控系统。此表,执行可能预感潜在故障并自动调整系统行为的机械进建技术也是至关沉要的。
? EAI 系统的安全性、隐衷和保险:安全性蕴含通过严格的测试、容错和故障安全机造来预防变乱和故障。隐衷涉及执行壮大的数据加密、匿名化技术和严格的接见节造来;び没畔。安全性蕴含宽泛的措施,如网络安全、入侵检测系统、对集中式和散布式多代理系统的定期安全审计,以及遵守安全最佳实际以预防、检测和应对威胁。
? EAI 系统的利用:来自EAI 系统在机械人、自动驾驶车辆、智能医疗和环境监测等领域部署的案例钻研和尝试了局。部署EAI 系统在各个领域的社会经济影响。


