<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[黑符石笔记集]]></title><description><![CDATA[整理十余年来技术汇总，包括各种坑和自我的创想。]]></description><link>https://blog.youkuaiyun.com/devshilei</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; devshilei]]></copyright><item><title><![CDATA[【论文研读】Madgwick 姿态滤波算法报告总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/156733184</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/156733184</guid><author>devshilei</author><pubDate>Thu, 08 Jan 2026 20:09:03 +0800</pubDate><description><![CDATA[本文提出一种适用于IMU/MARG传感器的新型姿态滤波算法，采用四元数表示和梯度下降优化融合陀螺仪与加速度计/磁力计数据。相比传统卡尔曼滤波，该算法仅需1-2个可调参数，计算量降低至109-277次标量运算/次，在10Hz采样率下仍保持高精度（静态误差&lt;0.6°）。实验显示其性能优于卡尔曼滤波，且具备磁畸变补偿和零偏补偿能力，适合低功耗设备和恶劣环境应用。]]></description><category></category></item><item><title><![CDATA[【论文研读】NASA-TLX（任务负荷指数）研发报告总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154657457</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154657457</guid><author>devshilei</author><pubDate>Mon, 10 Nov 2025 19:58:57 +0800</pubDate><description><![CDATA[NASA-TLX量表开发研究摘要 本研究由NASA艾姆斯研究中心主导，通过16项实验和3461条数据，开发了NASA任务负荷指数（TLX）。该量表从10个维度评估主观工作负荷，包括整体负荷、任务难度、时间压力等，采用双极评分和成对比较权重法。研究发现工作负荷是任务需求、环境与操作者交互的结果，主观评分能有效整合多因素影响。量表敏感性高，特别适用于航空航天等复杂任务场景的负荷评估。研究成果为人机系统设计提供了科学的工作负荷测量工具。]]></description><category></category></item><item><title><![CDATA[【论文调研】NASA任务负荷指数（NASA-TLX）V1.0 总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154657026</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154657026</guid><author>devshilei</author><pubDate>Mon, 10 Nov 2025 19:05:53 +0800</pubDate><description><![CDATA[NASA任务负荷指数（TLX）是一种多维工作负荷评估工具，由NASA艾姆斯研究中心开发，用于主观测量任务执行者的工作负荷水平。该工具通过6个分量表（心理需求、生理需求、时间需求、自身表现、努力程度和挫折感）进行加权评分，生成整体负荷得分。操作分为权重设定（15组两两对比）和评分设定（20等分量表）两个核心环节，最后通过加权平均计算总分。TLX提供计算机化和纸质版本，适用于实验室、模拟和实际操作场景。配套程序支持数据收集和分析，生成的.WWL文件便于后续统计处理。量表经过多次迭代优化，有较高的敏感性和实用性。]]></description><category></category></item><item><title><![CDATA[【产品研究】MyoSuite：面向肌肉骨骼运动控制的富接触仿真套件 总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154493202</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154493202</guid><author>devshilei</author><pubDate>Thu, 06 Nov 2025 17:30:46 +0800</pubDate><description><![CDATA[摘要： MyoSuite是一个高效、生理精确的肌肉骨骼运动控制仿真框架，通过全自动pipeline将OpenSim模型转换为MuJoCo模型，速度提升两个数量级。它包含肘部、腕部和手部的精细生物力学模型，支持204个富接触任务（如转笔、保定球等），涵盖不同难度和非平稳性挑战（肌肉减少症、疲劳等）。实验验证显示模型解剖学准确性高，复杂任务需更高样本量，策略能自适应生理变化。该平台为研究生物运动控制机制提供了重要工具。]]></description><category></category></item><item><title><![CDATA[【产品调研】MATB-II 软件用户指南总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154490844</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154490844</guid><author>devshilei</author><pubDate>Thu, 06 Nov 2025 15:46:39 +0800</pubDate><description><![CDATA[MATB-II是NASA开发的人类绩效与工作负荷研究软件，作为经典MAT Battery的升级版，提供系统监控、跟踪、通信、资源管理等核心任务模块。该软件支持Windows系统，需.NET Framework 4.0和特定硬件（鼠标、操纵杆、音响）。用户可通过XML配置文件自定义任务参数和事件序列，包括超时设置、泵流量等。实验数据以时间戳文件输出，记录任务表现细节，如系统监控响应时间、跟踪任务偏差值等。MATB-II保留了前代的开源性，同时优化了图形界面和功能扩展性，适用于各类人机交互实验研究。]]></description><category></category></item><item><title><![CDATA[【论文研读】基于脑电图的飞行员心理状态检测多模态方法总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154454675</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154454675</guid><author>devshilei</author><pubDate>Wed, 05 Nov 2025 20:43:19 +0800</pubDate><description><![CDATA[本文提出了一种基于脑电图（EEG）的多模态方法，用于检测飞行员心理状态。研究开发了自动化预处理流程，通过滤波、分段、伪影处理等步骤提升EEG数据质量。采用黎曼几何分析和空间滤波技术提取特征，并构建了混合集成学习模型（RF、GTB和投票分类器）来区分正常状态（NE）与三种注意力相关状态（CA、DA、SS）。实验结果显示模型准确率达86%，优于现有方法。该研究为飞行员培训评估和航空安全提供了创新技术，具有重要应用价值。所有代码和数据已开源共享。]]></description><category></category></item><item><title><![CDATA[【论文研读】基于脑电图（EEG）的民航飞行学员前庭耐力训练压力评估研究（南航）]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154454251</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154454251</guid><author>devshilei</author><pubDate>Wed, 05 Nov 2025 20:19:58 +0800</pubDate><description><![CDATA[本研究通过EEG信号分析探讨了飞行学员前庭耐力训练的应激反应，发现C3、C4脑区α波功率变化可作为评估指标。实验采用旋转梯刺激和标准化训练，9名学员参与，使用64通道EEG设备采集数据。结果显示，旋转梯刺激显著增强C3、C4区域α波活动，且新手阶段α波变化与训练后成绩呈正相关（ρ=-0.81），表明EEG可预测抗晕动症潜力。研究填补了真实环境下前庭训练EEG数据的空白，为飞行员选拔和训练评估提供了客观依据。]]></description><category></category></item><item><title><![CDATA[【产品研究】生物力学软件 SIMM 4.0 for Windows 用户手册总结]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154407471</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154407471</guid><author>devshilei</author><pubDate>Tue, 04 Nov 2025 21:35:28 +0800</pubDate><description><![CDATA[SIMM 4.0是一款用于肌肉骨骼建模的Windows软件，由MusculoGraphics公司开发。其核心功能包括构建交互式模型，计算肌肉力、关节力矩及力臂，支持生物力学分析、医学教育、运动康复等领域。软件提供13个工具集（如Model Viewer、Muscle Editor等），支持骨骼、关节、肌肉文件的加载与编辑，并通过Norm工具预处理数据。可选模块（如Motion Module）支持运动捕捉数据导入。设计目标强调通用性、精确性、交互性和可扩展性，适用于科研、临床及动画制作等场景。]]></description><category></category></item><item><title><![CDATA[【产品调研】运动生物力学软件工具对比]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/154407016</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/154407016</guid><author>devshilei</author><pubDate>Tue, 04 Nov 2025 21:01:31 +0800</pubDate><description><![CDATA[摘要：本研究评估了四款肌肉骨骼建模软件（OpenSim、BoB、AnyBody、SWUM）在游泳运动分析中的性能。结果显示，OpenSim适合学术研究，BoB操作简单适合教学，AnyBody精度高适用于复杂场景，而SWUM是唯一能模拟游泳流体力的专用工具。研究发现，所有工具均需精准标记点数据，且无法直接用EMG驱动模型。建议优化数据接口、简化操作流程，并提升肌肉特性模拟的真实性，以更好地服务于游泳训练和技术分析。]]></description><category></category></item><item><title><![CDATA[【跳坑日记】Jetson 6.2 编译cuda-sample报错：No CMAKE_CUDA_COMPILER could be found]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/147231828</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/147231828</guid><author>devshilei</author><pubDate>Mon, 14 Apr 2025 20:36:40 +0800</pubDate><description><![CDATA[在刷完 JetPack 6.2 之后，编译CUDA Samples报错No CMAKE_CUDA_COMPILER could be found彻底解决。]]></description><category></category></item><item><title><![CDATA[【跳坑日记-成功解决】docker使用GPU报错：could not select device driver ““ with capabilities: [[gpu]]]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/144233180</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/144233180</guid><author>devshilei</author><pubDate>Wed, 04 Dec 2024 16:49:26 +0800</pubDate><description><![CDATA[提到安装英伟达显卡容器，但是直接复制博客里面的代码会报错。因此找到英伟达官方网站进行安装——参考4.以上就是该问题的完全解决过程，希望对你有所帮助。先说结论：问题已经解决，open-webui可以在GPU上稳定运行。在搭建RAG知识库的过程中，用到Ollama框架，在使用其推荐框架。时，想利用本机自带GPU进行加速，于是执行docker命令。首先在优快云上找到了报错解决方案——参考3.此时，重新执行docker命令，将不会报错。以上是报错发生的过程。]]></description><category></category></item><item><title><![CDATA[【翻译】人脸表情识别工具包，附个人总结：AFFDEX SDK: A Cross-Platform RealTime Multi-Face Expression Recognition Toolkit]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/139155965</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/139155965</guid><author>devshilei</author><pubDate>Thu, 23 May 2024 19:47:52 +0800</pubDate><description><![CDATA[脸部是最丰富的表达渠道之一。它既传达情感，又传达社交信号。面部动作编码系统（Facial Action Coding System, FACS）[3]是面部行为编码最全面、使用最广泛的客观分类法。面部动作单元 （AU） 是面部表情的组成部分。手动编码FACS非常费力和耗时。此外，对于任何实时或扩展的应用程序来说，这是不切实际的。过去，由于训练数据的可用性有限，面部表情的自动编码系统受到限制。使用类似于[6]的基于Web的框架，我们收集了数十万人的视频。]]></description><category></category></item><item><title><![CDATA[【跳坑日记】暴力解决Ubuntu SSH报错： Failed to start OpenBSD Secure Shell server]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/139149783</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/139149783</guid><author>devshilei</author><pubDate>Thu, 23 May 2024 16:00:56 +0800</pubDate><description><![CDATA[服务器环境：Ubuntu 20.04。
Ubuntu SSH无法连接，报错：Failed to start OpenBSD Secure Shell server。暴力解决方案。]]></description><category></category></item><item><title><![CDATA[【技术笔记】Ubuntu下VirtualBox不能识别USB解决办法（手把手解决）]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/137473912</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/137473912</guid><author>devshilei</author><pubDate>Sun, 07 Apr 2024 19:30:40 +0800</pubDate><description><![CDATA[解决Ubuntu中VirtualBox无法选择USB的问题。]]></description><category></category></item><item><title><![CDATA[【深度学习】多模态生理数据评估飞行员状态文章]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/135049559</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/135049559</guid><author>devshilei</author><pubDate>Sun, 17 Dec 2023 21:21:41 +0800</pubDate><description><![CDATA[使用多模态深度学习网络对飞行员的心理状态进行分类检测飞行员多样化心理状态的自动化系统是一项极其重要和必不可少的技术，它可以防止飞行员认知状态降低导致的灾难性事故。各种类型的生物信号被用于开发该系统，因为它们伴随着与精神状态转变相对应的神经生理变化。在这项研究中，我们旨在研究基于多模态生物信号(即脑电图、心电图、呼吸和皮电活动)和多模态深度学习(MDL)网络的飞行员精神状态(即分心、工作负荷、疲劳和正常)的鲁棒检测系统的可行性。为此，我们首先利用飞行模拟器构建实验环境，以诱导不同的心理状态并收集生物信号。]]></description><category></category></item><item><title><![CDATA[【生物医学】应激（应激反应）全身适应综合征]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/132172182</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/132172182</guid><author>devshilei</author><pubDate>Tue, 08 Aug 2023 17:54:22 +0800</pubDate><description><![CDATA[整理了应激反应的发生机制脑图，供大家使用。]]></description><category></category></item><item><title><![CDATA[【快速开始】一个简单的Flask-SocketIO应用，完成后端推送消息接收与关闭]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/131481881</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/131481881</guid><author>devshilei</author><pubDate>Wed, 05 Jul 2023 18:33:25 +0800</pubDate><description><![CDATA[这是一个 Flask-SocketIO 基础程序，通过网络通信来控制推送服务开闭，从而来判断是否需要接收后端推送消息。]]></description><category></category></item><item><title><![CDATA[【AI论文】Transformers in Time Series: A Survey]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/129142425</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/129142425</guid><author>devshilei</author><pubDate>Tue, 28 Mar 2023 18:44:26 +0800</pubDate><description><![CDATA[最近由于Transformer在深度学习方面的创新和其在自然语言处理、计算机视觉、语音处理和其他学科方面优秀的性能，为其带来了极大的关注。在过去的几年里，许多Transformer的变体已经被提出，以显著地推进各种任务的最先进的性能。有相当多来自不同方面的文献综述，包括NLP应用、CV应用、高性能Transformer以及Attention模型等。Transformer在连续数据中的随机依赖和交互方面显示出了强大的建模能力，以这种方式对时序数据建模应该很合适。]]></description><category></category></item><item><title><![CDATA[【多模态AI】关于数据 OSF 多模态分心数据集介绍]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/129822004</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/129822004</guid><author>devshilei</author><pubDate>Tue, 28 Mar 2023 18:36:48 +0800</pubDate><description><![CDATA[该数据集包含多个68个被试，88套数据在四种不同条件下驾驶同一条高速公路的数据。]]></description><category></category></item><item><title><![CDATA[【AI探索】我问了ChatGPT几个终极问题]]></title><link>https://blog.youkuaiyun.com/devshilei/article/details/129751695</link><guid>https://blog.youkuaiyun.com/devshilei/article/details/129751695</guid><author>devshilei</author><pubDate>Fri, 24 Mar 2023 15:37:36 +0800</pubDate><description><![CDATA[如果自动化达到一定程度，人类在不需要工作的情况下可以保证衣食无忧，那个时候需要做的是什么？你对人类所涉及到的学科有了解吗？你认为在哪些方面与人类是相当或者超过人类的了？有没有什么你感兴趣的问题？你认为OpenAI或者微软公司会把你带到什么方向去？你有哪些好奇的地方吗？你是在持续学习的吗？你认为人类面对AI当务之急应该做的有哪些？你认为AI会对人类产生哪些方面的影响？你认为有哪些工作是可以交给你来做？你认为利用AI有什么好的创业方向？你认为学习的本质是什么？你认为教育的本质是什么？人类为什么需要工作？]]></description><category></category></item></channel></rss>