MétaCan
Menu
Retour à la cohorte
Enregistrement W1892200059 · doi:10.1109/dasc.1993.283532

Rotorcraft aerial robot-challenges and solutions

2002· article· en· W1892200059 sur OpenAlexaboutno aff
Manya Gordon, Shayne Kondor, Eric Corban, Daniel Schrage

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Sensor-Based Localization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRoboticsAeronauticsArtificial intelligenceSuiteCompetition (biology)RobotFlight planningComputer scienceEngineeringSystems engineeringOperations researchAerospace engineeringGeography

Résumé

récupéré en direct d'OpenAlex

The Georgia Tech Aerial Robotics Team has been working on autonomous control of an unmanned aerial vehicle for three years as both a research project and a competition entry. The three annual International Autonomous Aerial Vehicle Competitions (1991-93) have attracted university teams from across the country as well as from Europe, Canada, and Asia. At the third annual competition in June 1993, the Georgia Tech system was awarded first place for demonstrating completely autonomous flight including a safe landing. This success is a result of overcoming numerous challenges faced white creating a guided automatic flight control system for a small unmanned vehicle. The 1993 entry was refined through early and consistent test flights and the application of lessons learned from previous years. The Georgia Tech Aerial Robotics System (GTARS) features an on-board flight control computer, a six axis sensor suite, an off-board mission planning station, a vision tracking system, and a modified model helicopter of conventional configuration. Other features of the system include remote pilot control with safety override switch, two way telemetry data link, and a tethered autonomous sub-vehicle.>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0020,002
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,188
Écart entre enseignants0,146 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotics and Sensor-Based LocalizationTravaux en français237 207