MétaCan
Menu
Retour à la cohorte
Enregistrement W2046635640 · doi:10.1002/rob.20213

Autonomous system for navigation and surveying in underground mines

2007· article· en· W2046635640 sur OpenAlexfundno aff
Joseph Nsasi Bakambu, Vladimir Polotski

Notice bibliographique

RevueJournal of Field Robotics · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSupervisorNavigation systemContext (archaeology)PlannerMode (computer interface)RoboticsArtificial intelligenceEngineeringRobotReal-time computingComputer scienceHuman–computer interactionGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This paper describes an autonomous platform for navigation and surveying within networks of tunnels, as those typically found in underground mines and caves. In this context, we propose a system allowing two modes of operation: surveying and autonomous navigation mode. In the surveying mode, a remotely located supervisor instructs the platform to move through successive sections of the network, gathering range data that is then concatenated into two‐ and three‐dimensional survey maps of the environment. In navigation mode, the supervisor specifies high‐level missions using the previously acquired survey maps. A motion planner then translates each mission into a set of consecutive navigation actions separated by natural landmarks. Mission execution consists of autonomously detecting landmarks, self‐localizing, and performing the planned navigation actions. Advanced and innovative features, mostly related to surveying capabilities, navigation mode switcher, and the integrated aspect of our system, distinguish it from navigation systems used in productive mining vehicles described in the literature. The proposed system starts sharing some functionality with robotics systems devoted to exploration of abandoned mines. The full functionality of the navigation/surveying system has been proven through a series of on‐site experiments in underground mines. © 2007 Wiley Periodicals, Inc.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,025
Tête enseignante GPT0,286
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations46
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Field RoboticsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207