Doppler Effect-Based Automatic Landing Procedure for UAV in Difficult Access Environments
Notice bibliographique
Résumé
Currently, almost unrestricted access to low-lying areas of airspace creates an opportunity to use unmanned aerial vehicles (UAVs), especially those capable of vertical take-off and landing (VTOL), in transport services. UAVs become increasingly popular for transporting postal items over small, medium, and large distances. It is forecasted that, in the near future, VTOL UAVs with a high take-off weight will also deliver goods to very distant and hard-to-reach locations. Therefore, UAV navigation plays a very important role in the process of carrying out transport services. At present, during the flight phase, drones make use of the integrated global navigation satellite system (GNSS) and the inertial navigation system (INS). However, the inaccuracy of GNSS + INS makes it unsuitable for landing and take-off, necessitating the guidance of a human UAV operator during those phases. Available navigation systems do not provide sufficiently high positioning accuracy for an UAV. For this reason, full automation of the landing approach is not possible. This paper puts forward a proposal to solve this problem. The authors show the structure of an autonomous system and a Doppler-based navigation procedure that allows for automatic landing approaches. An accuracy evaluation of the developed solution for VTOL is made on the basis of simulation studies.
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 | 0,000 | 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 | 0,000 | 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 ».