MétaCan
Menu
Retour à la cohorte
Enregistrement W2967482347 · doi:10.1109/rose.2019.8790419

Collaboration of multi-domain marine robots towards above and below-water characterization of floating targets

2019· article· en· W2967482347 sur OpenAlexaff
Jordan Ross, Joel Lindsay, Edward Gregson, Alexander Moore, Jay Patel, Mae Seto

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésRobotUnderwaterComputer scienceMarine engineeringRemotely operated underwater vehicleBathymetryReal-time computingHullScheduling (production processes)Visual servoingArtificial intelligenceMobile robotRemote sensingSimulationEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

This paper reports on a method to obtain a multidomain (environment) awareness on a floating target (non-responsive ship, iceberg, other floating structure) using a heterogeneous collaborative team of above, surface and underwater robots. This allows, for example, a ship approaching a non-responsive floating target to get information from a safe standoff prior to getting closer to further investigate or to attempt a boarding. The above-water unmanned aerial vehicle (UAV), integrated with optical cameras, obtains measurements of the above-water geometry using visual imagery to create an above-water three-dimensional model using photogrammetry methods. The below-water unmanned underwater vehicle is integrated with an imaging and profiling bathymetric sonars to capture the submerged hull geometry and features. An unmanned surface vehicle (USV) hosts an intelligent node which centrally controls the robotic collaboration by autonomously planning and distributing the mission for both the UUV and UAV. The results from the two are fused to yield a more complete picture of the floating target. We present results from simulations and a controlled in-water trial with an UUV, USV and UAV. The contributions from this work includes the robotic collaboration and autonomy across multiple domains, autonomous mission-planning and the fusing of multi-domain data. The scheduling of inter-dependent multi-robot task allocation is addressed in the autonomous mission-planning. The approach is validated in simulations and tested in-water. The in-water trials highlight the challenges and value of integrating sensors on distributed multi-domain robots towards a more complete picture on a floating target.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,195 · 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
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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207