Multiagent Approach for Real-Time Collision Avoidance and Path Replanning for Cranes
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.
Notice bibliographique
Résumé
Collisions on construction sites are one of the primary causes of fatal accidents. This paper proposes a multiagent-based approach to provide real-time support to the staff of construction projects. Collision avoidance is achieved by informing the crane operators about potential collisions and by providing motion replanning for crane operations. During the planning stage, a three-dimensional (3D) model of the static environment is created, and collision-free motion plans are generated by the agents for the cranes, considering engineering constraints and operation rules. During actual construction work, all mobile objects are tagged when entering the monitored area. A site state agent uses a real-time location system (RTLS), such as an ultra-wideband (UWB) system to collect location data, calculates the poses of the objects on site, and sends this information to other agents. By using this real-time updated information, agents can detect potential collisions and replan the path for the cranes for collision avoidance. A coordinator agent coordinates the movement of cranes by deciding their priorities. The site state agent, coordinator agent, and crane agents can communicate and negotiate with one another to make better decisions. The framework of the multiagent system is described in detail, and a prototype system is developed. Three case studies are used to verify and validate the proposed approach. The benefit of using the agent system is that real-time collision avoidance can be achieved by providing more awareness of the site situation and decision making through communication and negotiation between multiple agents, which results in safer and more productive work environment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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