MétaCan
Menu
Retour à la cohorte
Enregistrement W2003883461 · doi:10.1115/omae2007-29153

Detecting Tether Self-Collisions in Tethered ROV Simulations

2007· article· en· W2003883461 sur OpenAlexaff
André Roy, Juan A. Carretero, Bradley J. Buckham

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensUniversity of VictoriaUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRemotely operated underwater vehicleCollisionMarine engineeringSeparation (statistics)Computer scienceUnderwaterWork (physics)Collision avoidanceTrajectorySimulationScheme (mathematics)Power (physics)Contact forceVehicle dynamicsRemotely operated vehicleAerospace engineeringControl theory (sociology)RobotMobile robotEngineeringPhysicsControl (management)Mechanical engineeringArtificial intelligenceGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

Currently, the only viable means of providing power and maintaining human control during underwater ROV operation is through the vehicle’s tether. Due to the high cost of ROVs and their tethers as well as potential risks to equipment and personnel, a realistic simulator is needed to train their pilots. To accurately simulate the tether, it is important to detect collisions of the tether with the environment and with itself as well as to calculate the forces involved. The aim of this work is to present a computationally efficient and accurate method of detecting tether self-contact. To this end, a combinatorial global optimisation method is first used to determine the approximate separation distances. Then, a local optimisation scheme is used to find the exact separation distance and the location of the closest points. This information can then be used to determine whether or not a collision has occurred. If a collision is detected, a force is applied at the collision site to maintain separation.

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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDynamics and Control of Mechanical SystemsTravaux en français237 207