MétaCan
Menu
Retour à la cohorte
Enregistrement W2323151717 · doi:10.2514/6.2015-0404

Using the DIMMACSS-PSG Intelligent Robotic Middleware to Control Real-World and Simulated Multi-Agent Systems

2015· article· en· W2323151717 sur OpenAlexaff
Shawn M. Walker, Jinjun Shan

Notice bibliographique

RevueAIAA Modeling and Simulation Technologies Conference · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMiddleware (distributed applications)Control (management)Multi-agent systemEmbedded systemDistributed computingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

DIMMACSS-PSG is a free and open-source intelligent robotic middleware that allows a Simulink controller to control a physical real-world multi-agent system or a simulated multi-agent system existing within the Player/Stage/Gazebo general-purpose robotic simulator, using the exact same control system for both in an optimal and efficient manner. A general-purpose robotic simulator, such as Player/Stage/Gazebo, is designed to simulate everything inherent in a real-world robotics experiment, including all types of robotic hardware such as actuators and sensors (stereo-vision camera’s, moving/rotating parts, motors, etc), and provides realistic environments, physics, and sensor data. Intelligent robotic middleware, such as DIMMACSS-PSG, is the class of technologies that sit between a theoretical algorithm/function and the target real-world or simulated devices, and is required in order to actually realize an application such as one implemented on an unmanned aerial vehicle or a surface exploration robot. This paper discusses the motivation for DIMMACSS-PSG, details the important design decisions, and presents a demonstration of a Simulink controller that uses DIMMACSS-PSG to control both a simulated multi-agent system and a real-world multi-agent system.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,210
Tête enseignante GPT0,344
Écart entre enseignants0,134 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA Modeling and Simulation Technologies ConferenceMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207