MétaCan
Menu
Retour à la cohorte
Enregistrement W2146746335 · doi:10.1139/juvs-2015-0007

Assessment of alternative manual control methods for small unmanned aerial vehicles

2015· article· en· W2146746335 sur OpenAlexafffundvenueabout
Jonathan Stevenson, Siu O’Young, Luc Rolland

Notice bibliographique

RevueJournal of Unmanned Vehicle Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAtlantic Canada Opportunities Agency
Mots-clésAutopilotAeronauticsBackupComputer scienceAirframeControl (management)Mode (computer interface)Task (project management)AviationSimulationOperations researchAerospace engineeringSystems engineeringArtificial intelligenceEngineeringHuman–computer interactionOperating system

Résumé

récupéré en direct d'OpenAlex

This paper is a summary of experiments to assess alternative methods to control a small (<25 kg; under Transport Canada rules, small UAV are classified as under 25 kg; Transport Canada. 2014. TP15263 – Knowledge requirements for pilots of unmanned air vehicle systems (UAV) 25 kg or less, operating within visual line of sight. Transport Canada. August. Available from http://www.tc.gc.ca/eng/civilaviation/publications/page-6557.html [accessed 17 August 2015]) unmanned aerial vehicle (UAV) in manual mode. While it is true that the majority of a typical UAV mission will be in automatic mode (i.e., using an autopilot) this may not always be the case during takeoffs and landings, or if there is a failure of the autopilot. The concept of a manual control backup mode during all flight phases remains in proposed UAV regulations currently being defined in Canada and the US. The research summarized in this paper is an attempt to assess the accuracy of several manual control options for a small UAV. The paper includes both a theoretical discussion of the task of manually controlling a small UAV airframe and results from a series of field experiments investigating the use of first-person view techniques.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,338
Écart entre enseignants0,306 · 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

Citations5
Publié2015
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJournal of Unmanned Vehicle SystemsMême sujetAerospace and Aviation TechnologyTravaux en français237 207