MétaCan
Menu
Retour à la cohorte
Enregistrement W2100954809 · doi:10.1109/lisat.2014.6845227

AndroRC: An Android remote control car unit for search missions

2014· article· en· W2100954809 sur OpenAlexaff
Yuxin Jing, Letian Zhang, Irwin Arce, Aydin Farajidavar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Sensor-Based Localization
Établissements canadiensNew York Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésBluetoothChassisArduinoAndroid (operating system)MicrocontrollerComputer scienceRemote controlControl unitEmbedded systemTransmitterDC motorReal-time computingComputer hardwareEngineeringOperating systemElectrical engineeringWirelessTelecommunications

Résumé

récupéré en direct d'OpenAlex

The AndroRC is a remote control car (RC) unit controlled by a smartphone running on an Android application. The car is meant to be used in search missions in the occurrence of natural disasters. It is developed to autonomously avoid obstacles that are not visible to the user driver. The RC unit is developed based on a Tamiya 70112 Buggy car chassis set with an extra servo motor added to provide the left and right directions. The RC is equipped with an ultrasonic distance sensor, a camera, a Bluetooth receiver, a Wi-Fi transmitter, two 9-V batteries and two Arduino microcontroller boards (UNO and MEGA). The Arduino MEGA controls the propulsion and direction, while the UNO processes the information received from the distance sensor to stop the RC at a pre-defined distance. The Android application uses the embedded orientation sensor on the smartphone to determine the four directions (forward, backward, left and right) intended by the user; hence, rotating the smartphone to different directions results in to the corresponding propulsion of the RC unit. The control commands are transmitted to the RC unit through the Bluetooth communication. The Android application also receives (via Wi-Fi) and displays the information from the camera in real-time. The AndroRC was characterized and examined on bench-top settings.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0190,007

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 Opus0,022
Tête enseignante GPT0,253
Écart entre enseignants0,231 · 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'étudeExpérimental (laboratoire)
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

Citations23
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotics and Sensor-Based LocalizationTravaux en français237 207