在数字媒体和视频制作不断发展的背景下，精确操纵和再现摄像机运动和角色动作等视觉元素变得非常重要。现有的SLAM方法在动态场景下存在局限性，人体姿态估计通常关注2D投影，忽略了3D状态。为了解决这些问题，我们首先介绍了一种反向拍摄行为估计技术。它通过利用NeRF作为可微分渲染器和优化SMPL轨迹来优化摄像机轨迹。然后，我们介绍了一种电影转移管道，能够将各种镜头类型转移到新的2D视频或3D虚拟环境中。3D引擎工作流的整合使得能够实现更高质量的渲染和控制能力，也在用户研究中取得了更高的评分。

大型语言模型（LLMs）极大地增强了语言智能领域，其在各种复杂推理任务中的强大实证表现证明了这一点。此外，理论证明已经阐明了它们的新兴推理能力，提供了一个令人信服的展示，证明了它们在语言环境中的先进认知能力。在处理复杂推理任务方面，CoT推理技术对于LLMs的显著功效至关重要，因为它们必须制定中间步骤以便推导出答案。CoT推理方法不仅在增强推理性能方面表现出熟练的能力，而且在提高可解释性、可控性和灵活性方面也表现出了优异的能力。鉴于这些优点，最近的研究努力将CoT推理方法扩展到培养自主语言代理的发展，这些代理能够熟练地遵循语言指令并在不同环境中执行动作。本文梳理了一个全面的讨论，深入探讨了重要的研究维度，包括：（i）CoT技术的基础机制，重点阐述其功效的情况和理由；（ii）CoT的范式转变；以及（iii）由CoT方法强化的语言代理的兴起。未来的研究方向包括探索泛化、效率、定制、扩展和安全性。本文适合广泛的受众，包括寻求全面了解CoT推理和语言代理的初学者，以及对基础机制感兴趣并参与最前沿讨论的经验丰富的研究人员。相关论文的存储库可在https://github.com/Zoeyyao27/CoT-Igniting-Agent上找到。

机器人辅助手术系统已经展示了在提高手术精度和减少人为错误方面的显著潜力。然而，现有系统缺乏适应个别外科医生的独特偏好和要求的能力。此外，它们主要关注一般手术（例如腹腔镜手术），不适合高度精密的微创手术，例如眼科手术。因此，我们提出了一种基于仿真的图像引导方法，用于针对眼科白内障手术，能够适应个别外科医生的技能水平和首选手术技术的外科医生中心的自主代理。我们的方法利用模拟环境来训练受图像数据引导的强化和模仿学习代理，执行白内障手术切口阶段的所有任务。通过将外科医生的行动和偏好整合到外科医生参与的培训过程中，我们的方法使机器人能够通过演示隐式学习和适应个别外科医生的独特方法。这为外科医生提供了更直观和个性化的手术体验。同时，它确保了自主机器人学徒的一致性表现。我们使用我们提出的度量定义和评估我们的方法的有效性，并强调通用代理和外科医生中心的适应代理之间的权衡。此外，我们的方法具有扩展到其他眼科手术程序的潜力，为外科医生参与的自主手术机器人的新一代打开了大门。我们提供了一个开源仿真框架，以供未来开发和可重复性使用。

老年痴呆症患者（PwD）通常会表现出口头激动，如咒骂、尖叫和持续抱怨。口头激动可能会给非正式照顾者（如家人、朋友）带来心理困扰，可能导致严重的心理疾病，如抑郁症和焦虑症。为了改善非正式照顾者的心理健康，我们通过采访11名遭受老年痴呆症患者口头激动折磨的非正式照顾者，探索设计机会。特别地，我们首先描述了口头激动的可预测性如何影响非正式照顾者的心理健康，以及照顾者在口头激动前、期间和后期的应对策略如何变化。基于我们的发现，我们提出了设计机会，以改善遭受口头激动的非正式照顾者的心理健康：分散PwD的注意力（现场支持；在口头激动前）、提示即时操作（信息支持；在口头激动期间）以及舒适和教育（社交和信息支持；在口头激动后）。我们讨论了参与者之间文化差异的反思。我们的工作展望了更广泛的设计空间，以支持非正式照顾者的福祉，并描述了何时以及如何提供这种支持。