World representations for unmanned vehicles
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
Unmanned vehicles (UxV) operate in numerous environments, with air, ground and marine representing the majority of the implementations. All unmanned vehicles, when traversing unknown space, have similar requirements. They must sense their environment, create a world representation, and, then plan a path that safely avoids obstacles and hazards. Traditionally, each unmanned vehicle class used environment specific assumptions to create a unique world representation that was tailored to it operating environment. Thus, an unmanned aerial vehicle (UAV) used the simplest possible world representation, where all space above the ground plane was free of obstacles. Conversely, an unmanned ground vehicle (UGV) required a world representation that was suitable to its complex and unstructured environment. Such a clear cut differentiation between UAV and UGV environments is no longer valid as UAVs have migrated down to elevations where terrestrial structures are located. Thus, the operating environment for a low flying UAV contains similarities to the environments experienced by UGVs. As a result, the world representation techniques and algorithms developed for UGVs are now applicable to UAVs, since low flying UAVs must sense and represent its world in order to avoid obstacles. Defence R&D Canada (DRDC) conducts research and development in both the UGV and UAV fields. Researchers have developed a platform neutral world representation, based upon a uniform 2<sup>1</sup>/<sub>2</sub>-D elevation grid, that is applicable to many UxV classes, including aerial and ground vehicles. This paper describes DRDC's generic world representation, known as the Global Terrain map, and provides an example of unmanned ground vehicle implementation, along with details of it applicability to aerial vehicles.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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