Prognostics-enhanced Receding Horizon Mission Planning for Field Unmanned Vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a preliminary study for using prognostic information to enhance the mission/path planning in a non-uniform environment. Prognostic information is introduced in order to ensure that the mission failure can be minimized even when a fault occurs. This will enhance the performance of autonomous vehicles that often work in harsh environments that cause aging, fatigue, and fracture. When a fault occurs, the proposed path planning scheme predicts the remaining useful life (RUL) of the vehicle. This RUL is then used as a constraint in path planning to minimize the life consumption with other factors such as minimization of energy and travel time. The proposed planning algorithm integrates the prognosis and path planning in a receding horizon planning framework. Like field D* searching algorithm, the map is described by grids while nodes are defined on corners of grids. The planning algorithm divides the map into three areas, implementation area, observation area, and unknown area. We assume that the autonomous vehicle is equipped with onboard sensors that are able to detect and determine the terrain in a certain range, which is observation area. The implementation area consists of the gird next to the current node. The area beyond observation area is the unknown (un-observed) area where the terrain is unknown to vehicle. At a node, the vehicle plans the path from the vehicles’ current location to the destination. Only the path planned in the implementation area is executed. This process is repeated until the destination is reached or it turns out that no route can lead to destination or the vehicle reaches its end of life. The simulation results demonstrate the effectiveness of the proposed approach.
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.
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 | 0,000 | 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 | 0,000 | 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 découle