该论文通过引入系统分类法，对 AI 增强的虚拟现实应用于医疗保健领域进行了全面调查，将相关技术和应用细分为三个类别，即可视化增强、与 VR 相关的医学数据处理和 VR 辅助干预，为对这些技术进行更全面的理解和评估提供了一个框架。据我们所知，这是首次对医疗环境中的 AI 增强虚拟现实系统进行系统调查，为未来研究奠定了基础。

Feb, 2024

通过 VRKitchen 的虚拟现实环境和集成功能，该研究使用现代人工智能方法驱动具有复杂任务能力的实体代理，使人类教师能够进行演示培训，为任务导向学习等领域的广泛应用提供了标准化的评估基准和数据收集工具。

Mar, 2019

人工智能（AI）已经彻底改变了人类的认知能力，并促进了能够与人类在物理和虚拟环境中进行交互的新型 AI 实体的发展。我们介绍了一个统一表示形式 —— 对称现实框架，它能包括各种物理 - 虚拟融合的形式，从而让从更广泛的角度理解 AI 实体如何与人类协作以及如何巩固不同的物理 - 虚拟整合技术路径。我们提出了一个 AI 驱动的主动辅助服务的示例，展示了对称现实系统在特定任务（如倒水）中的运作，并为不同领域的研究人员和实践者提供有益的观点和指导，从而为人工智能与人类在物理和虚拟环境中的共存的持续研究做出贡献。

Jan, 2024

本文探讨了机器学习在科学研究中的潜力，使用物理导向的人工智能方法研究了在量子实验中产生高维纠缠多光子态的复杂光子量子实验的设计与实现，自主学习创造了多种纠缠态并提高了实现效率，提出了机器在未来研究中具有更加创造性的可能。

Jun, 2017

开发能够在真实世界中像人类一样感知、思考和行动的 AI 代理，需要弥合数字与物理世界之间的现实差距。为此，我们引入了 V-IRL：一个使代理能够在虚拟现实环境中与真实世界进行可扩展交互的平台，旨在开发能够完成各种实际任务的代理，并以广阔的测试基地来衡量不同领域的进展，包括感知、决策和与全球真实数据的交互能力。

Feb, 2024

通过虚拟环境中的交互式训练、行为测试和逆强化学习技术，实现了大规模人类行为模仿，提高了人工智能代理的交互能力，并成功解决了代理评估方面的挑战。

Dec, 2020

本文介绍了利用大型语言模型进行代码生成的方法，以实现在虚拟现实世界中运用生成过程、计算机协助创作游戏和制作静态内容，同时探讨了如何评估和基准测试由生成模型创建的交互体验以及 AI 辅助共同创作在虚拟现实中的挑战。

Nov, 2022

这篇研究论文通过全面探索生成式人工智能技术如何塑造元宇宙，将其转变为一个动态、身临其境和互动的虚拟世界，提供了未来元宇宙的指南，并向读者展示了如何利用生成式人工智能的力量创造沉浸式虚拟世界。

Jul, 2023

我们展示了一种虚拟现实工具，利用手势和运动自动将数据输入分配到不同类别，实现了深度神经网络在透明度方面的可视化和加速了最终用户开发深度学习应用的过程。

May, 2023

本研究介绍了一种创新方法，利用 VR 环境中的 VLMs（Visual Language Models）来增强用户交互和任务效率，通过自然语言处理实现实时、直观的用户交互，不依赖于视觉文本指令。使用语音识别和文本转语音技术，使用户与 VLM 之间实现无缝通信，有效地引导用户完成复杂任务。初步实验结果显示，使用 VLMs 不仅能够缩短任务完成时间，还能提高用户舒适度和任务参与度，相较于传统的 VR 交互方法。

May, 2024