MétaCan
Menu
Retour à la cohorte
Enregistrement W2007481439 · doi:10.1109/icuas.2014.6842279

Long-range communication framework for multi-agent autonomous UAVs

2014· article· en· W2007481439 sur OpenAlexafffundabout
Mammadov Elchin, Wail Gueaieb

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ottawa
Mots-clésPayload (computing)Network packetComputer scienceWireless ad hoc networkReal-time computingTelemetryWirelessRadio controlCommunications systemComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

Multiple unmanned aerial vehicles (UAVs) with inter-UAV communication capabilities can be used to extend the communication range with the ground control station (GCS). Researchers from the Mechanical and Electrical Engineering at the University of Ottawa have developed a new dirigible autonomous UAV with a flight duration of 24+ hrs, a limitied payload of 1 kg for electronics, and requiring a communication range of 1-10 kilometres. To support this requirement a new communication framework was introduced and implemented based on the ad hoc network concepts. With one radio module per dirigible the designed and developed wireless interface allows any UAV or the GCS to exchange flight control commands, telemetry data, and aerial photos. We made use of the advanced networking tools of the Digi's 9XTend™ radio modules to develop route tracing, traffic prioritization, and minimizing self-interference between simultaneous transmissions. Initial test results showed that without any data flow control in the network, packets can be received in the wrong order following different routes and cause errors in the transmission of photos or recorded video. This issue was resolved through acknowledgements to control the flow of packets. Using radios with half-wavelength dipole antennas we were able to achieve a one-hop range of up to 5 km with the radio-frequency line-of-sight.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,286

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 Opus0,023
Tête enseignante GPT0,262
Écart entre enseignants0,239 · 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
GenreMéthodes

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
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetUAV Applications and OptimizationTravaux en français237 207