MétaCan
Menu
Retour à la cohorte
Enregistrement W2289110623 · doi:10.23919/oceans.2015.7404407

Autonomous shallow water bathymetric measurements for environmental assessment and safe navigation using USVs

2015· article· en· W2289110623 sur OpenAlexaboutno aff
Mae Seto, Anna Crawford

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBathymetrySonarHydrographyMarine engineeringRemotely operated underwater vehicleUnmanned surface vehicleUnderwaterEcho soundingHydrographic surveyHullRemote sensingComputer scienceSide-scan sonarSystems engineeringOceanographyEnvironmental scienceEngineeringGeologyMobile robotRobotArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The application of unmanned surface vehicles for autonomous shallow water bathymetric measurements, for naval mine counter-measures and hydrographic charting, and as a navigation assist for high valued ships is discussed. Defence Research & Development Canada has developed a prototype unmanned surface vehicle based on a commerically available catamaran hull-form integrated with a hydrographic quality bathymetric sonar, side-scan sonar, and an echo sounder. The unmanned surface vehicle is also equipped with a WHOI underwater acoustic modem and a 2.4 GHz RF radio to facilitate above and below water communications. The vehicle is also integrated with a mission-planner that has an advanced autonomy framework to facilitate the development and implementation of more complex robotic behaviors towards capabilities for the above-mentioned applications. This autonomous system has undergone validation and testing in the Canadian Arctic and numerous local trials in Halifax Canada. The efficacy of, and lessons learned from, using unmanned surface vehicles for these applications are discussed.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,109
Tête enseignante GPT0,285
Écart entre enseignants0,176 · 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'étudeObservationnel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207