MétaCan
Menu
Retour à la cohorte
Enregistrement W2327415880 · doi:10.2514/6.2012-2597

Prototype Unmanned System Training Simulator

2012· article· en· W2327415880 sur OpenAlexaff
Conrad G. Bills, Randall Wallace, Nicholas Klimas

Notice bibliographique

RevueInfotech@Aerospace 2012 · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésScalabilityCertificationComputer scienceSimulationSystems engineeringTraining systemTraining (meteorology)Embedded systemSoftware engineeringEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This paper presents a prototype training simulator design developed in response to the expanding student population for unmanned system operators. The projected operators for unmanned systems are now being expanded beyond the traditional focus-group of pilot and pilot trainees. The broadening of the field from which unmanned system operators previously had been selected, and the increased mission support role of operators, also broadens the ground training requirements in order to achieve certification. The backbone of the simulator for this training system is a scalable architecture concept that is softwareintensive with loosely coupled training system elements. This common backbone for scalable application also results in common logistic support, meaning lower life cycle cost. The prototype training device design takes advantage of commercially off-the-shelf (COTS) hardware and software products already proven in fielded platforms. The training system design that responds to these requirements incorporates principles from device-based aircrew training as well as high engagement strategies from simulation and gaming. This design not only enhances unmanned system operator training, but also makes significant advancement of role player in-the-loop mission training.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,197
Tête enseignante GPT0,420
Écart entre enseignants0,224 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfotech@Aerospace 2012Même sujetSimulation Techniques and ApplicationsTravaux en français237 207