总体思路
大致分为三个阶段:
- 提取认知经验：把多模态认知数据转化为标准化的经验
- 工厂的预测性维护里面，有经验的维修师傅判断设备需不需要维护的时候有自己的一套流程，比如先看发动机，再看齿轮箱，看的时候也有一个思考的过程。目前有研究把这种认知经验考虑进去，捕捉人的眼动数据，收集人的脑电信号，再用一些模型算法去分析这些数据。
- 基于以往认知经验的推荐
- 类似于目前推荐系统在做的工作，针对当前任务，根据以往经验进行认知推荐
- 经验的使用和反馈
- 工作人员使用的认知经验和自身经验冲突时，如何在两者之间做一个融合
待解决问题
- 如何细化并推进里面的内容：先查阅一点资料，一遍看一遍思考，可以先做一个demo
- 其他的不管，先了解第一块，其他人是怎么做的，自己是否也能做。
规划
- 2022年12月28日：
- 一周时间调研：
- 调研内容：（1）大一点的方向：认知加预测性维护，别人怎么做的（2）小一点的方向：有关多模态的认知经验，如何提取信号，如何转换为经验
- 调研输出：大范围粗读加几篇论文精读
- 粗读论文：别人是怎么做的，总结出来，是否有一些灵感
- 精度论文：别人具体是怎么做的，自己是否可以参考和复现，能不能把别人的东西讲清楚
- 思考输出：一些idea和收获
- 一个或者两个文档（收获加文章精读文档）
- 论文阅读规划
- 认知加预测性维护综述
- 挑选几篇可复现的方案
- extra：论文粗读、精读、收获总结的流程打通
- 一周时间调研：
理思路
- 整理总体思路
- 整理学习资料和学习路线
- 论文阅读规划