Aerodynamic efficiency of gliding birds vs comparable UAVs: a review
Notice bibliographique
Résumé
Here, we reviewed published aerodynamic efficiencies of gliding birds and similar sized unmanned aerial vehicles (UAVs) motivated by a fundamental question: are gliding birds more efficient than comparable UAVs? Despite a multitude of studies that have quantified the aerodynamic efficiency of gliding birds, there is no comprehensive summary of these results. This lack of consolidated information inhibits a true comparison between birds and UAVs. Such a comparison is complicated by variable uncertainty levels between the different techniques used to predict avian efficiency. To support our comparative approach, we began by surveying theoretical and experimental estimates of avian aerodynamic efficiency and investigating the uncertainty associated with each estimation method. We found that the methodology used by a study affects the estimated efficiency and can lead to incongruent conclusions on gliding bird aerodynamic efficiency. Our survey showed that studies on live birds gliding in wind tunnels provide a reliable minimum estimate of a birds' aerodynamic efficiency while simultaneously quantifying the wing configurations used in flight. Next, we surveyed the aeronautical literature to collect the published aerodynamic efficiencies of similar-sized, non-copter UAVs. The compiled information allowed a direct comparison of UAVs and gliding birds. Contrary to our expectation, we found that there is no definitive evidence that any gliding bird species is either more or less efficient than a comparable UAV. This non-result highlights a critical need for new technology and analytical advances that can reduce the uncertainty associated with estimating a gliding bird's aerodynamic efficiency. Nevertheless, our survey indicated that species flying within subcritical Reynolds number regimes may inspire UAV designs that can extend their operational range to efficiently operate in subcritical regimes. The survey results provided here point the way forward for research into avian gliding flight and enable informed UAV designs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».