MétaCan
Menu
Retour à la cohorte
Enregistrement W2891799647 · doi:10.1016/j.mex.2018.09.003

Adapting open-source drone autopilots for real-time iceberg observations

2018· article· en· W2891799647 sur OpenAlexafffund
Daniel F. Carlson, Søren Rysgaard

Notice bibliographique

RevueMethodsX · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesArctic Research CentreCanada Excellence Research Chairs, Government of CanadaAarhus Universitet
Mots-clésIcebergDroneOpen sourceEngineeringComputer scienceAeronauticsGeographyMeteorologyBiologyOperating system

Résumé

récupéré en direct d'OpenAlex

Drone autopilots are naturally suited for real-time iceberg tracking as they measure position and orientation (pitch, roll, and heading) and they transmit these data to a ground station. We powered an ArduPilot Mega (APM) 2.6 with a 5V 11 Ah lithium ion battery (a smartphone power bank), placed the APM and battery in a waterproof sportsman's box, and tossed the box and its contents by hand onto an 80 m-long iceberg from an 8 m boat. The data stream could be viewed on a laptop, which greatly enhanced safety while collecting conductivity/temperature/depth (CTD) profiles from the small boat in the iceberg's vicinity. The 10 s position data allowed us to compute the distance of each CTD profile to the iceberg, which is necessary to determine if a given CTD profile was collected within the iceberg's meltwater plume. The APM position data greatly reduced position uncertainty when compared to 5 min position data obtained from a Spot Trace unit. The APM functioned for over 10 h without depleting the battery. We describe the specific hardware used and the software settings necessary to use the APM as a real-time iceberg tracker. Furthermore, the methods described here apply to all Ardupilot-compatible autopilots. Given the low cost ($90) and ease of use, drone autopilots like the APM should be included as another tool for studying iceberg motion and for enhancing safety of marine operations. •Commercial off-the-shelf iceberg trackers are typically configured to record positions over relatively long intervals (months to years) and are not well-suited for short-term (hours to few days), high-frequency monitoring•Drone autopilots are cheap and provide high-frequency (>1 Hz) and real-time information about iceberg drift and orientation•Drone autopilots and ground control software can be easily adapted to studies of iceberg-ocean interactions and operational iceberg management.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,147
Tête enseignante GPT0,335
Écart entre enseignants0,189 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethodsXMême sujet3D Surveying and Cultural HeritageTravaux en français237 207