Odométrie radar par analyse de la distorsion. Applications à la navigation de véhicules terrestres et nautiques
Notice bibliographique
Résumé
L’utilisation d’un capteur télémétrique tournant en robotique mobile à haute vitesse implique l’apparition d’une distorsion sur les données collectées. Un tel effet est, dans la majorité des études, ignoré ou considéré comme un bruit et, de ce fait, corrigé en utilisant des capteurs proprioceptifs ou des systèmes de localisation. Dans cet article, la vélocimétrie du véhicule est extraite de la distorsion, sans aucun autre apport que celui fourni par le capteur extéroceptif. Il s’agit d’un radar panoramique FMCW (Frequency Modulated Continuous Wave), appelé K2Pi. Point d’odomètre, de gyromètre ou autre capteur proprioceptif. Les estimations des vitesses angulaires et linéaires du robot sont ensuite utilisées pour construire, sans aucun autre capteur, la trajectoire du véhicule et la carte radar de l’environnement extérieur exploré. Des résultats de localisation et de cartographie avec ce capteur radar, mais facilement extensibles à d’autres capteurs télémétriques tournants, sont présentés pour des véhicules terrestres et nautiques.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».