MétaCan
Menu
Retour à la cohorte
Enregistrement W1993753913 · doi:10.1109/jsac.2012.120608

Adaptive Communication-Constrained Deployment of Unmanned Vehicle Systems

2012· article· en· W1993753913 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Journal on Selected Areas in Communications · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOverhead (engineering)Software deploymentNetwork packetDistributed computingWirelessWireless networkRobotMobile robotReal-time computingComputer networkArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Cooperation between multiple autonomous vehicles requires inter-vehicle communication, which in many scenarios must be established over an ad-hoc wireless network. This paper proposes an optimization-based approach to the deployment of such mobile robotic networks. A primal-dual gradient descent algorithm jointly optimizes the steady-state positions of the robots based on the specification of a high-level task in the form of a potential field, and routes packets through the network to support the communication rates desired for the application. The motion planning and communication objectives are tightly coupled since the link capacities depend heavily on the relative distances between vehicles. The algorithm decomposes naturally into two components, one for position optimization and one for communication optimization, coupled via a set of Lagrange multipliers. Crucially and in contrast to previous work, our method can rely on on-line evaluation of the channel capacities during deployment instead of a prespecified model. In this case, a randomized sampling scheme along the trajectories allows the robots to implement the algorithm with minimal coordination overhead.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,906

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0040,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,287
Écart entre enseignants0,244 · 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