MétaCan
Menu
Retour à la cohorte
Enregistrement W3003069530 · doi:10.23919/oceans40490.2019.8962612

Autonomous zero-visibility quadrotor landings towards persistent ship-based UAV ocean observations

2019· article· en· W3003069530 sur OpenAlexaff
Jordan Ross, Mae Seto, Clifton Johnston

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésVisibilitySea stateWork (physics)Environmental scienceRemote sensingSea trialComputer scienceAtmosphere (unit)MeteorologyOcean observationsMarine engineeringGeologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Unmanned aerial vehicles are increasing their role in ocean observations. They provide complementary measurements to traditional in-water sensors resulting in richer information extraction and better insight into ocean processes (e.g. monitoring of ocean temperatures). An enabling capability to enhance the role of unmanned aerial vehicles in ocean observations, based off ships, is autonomous landing in poor (or zero) visibility and sea states. The intended application is lower atmosphere ocean observation. The authors' earlier work presented a solution to zero visibility landing in lower sea states (3 or less). This paper reports on the development, implementation and validation of an algorithm to predict when to land on the ship given high sea states. The accuracy of the predictor is quite good even in high sea states. Future work involves testing the algorithm at sea in a sea state.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,036
Tête enseignante GPT0,224
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207