Democratizing ocean technology: low-cost innovations in underwater robotics
Notice bibliographique
Résumé
In comparison to the ocean’s immense volume and diversity of research areas, the number of sensors required to make the majority of desired measurements is quite small. This inequality of supply and demand elevates prices, adding further barriers for developing nations or fledgling research programs with smaller budgets attempting ocean science. Our work aims to demonstrate the potential of combining commercially available, open-source products to create inexpensive, configurable, and user-friendly platforms that can be adapted for underwater navigation and integration with most commercial oceanographic sensors. Specifically, we will highlight modifications made to a Blue Robotics BlueROV2, which we have configured for various missions including vertical profiling of a coastal fjord and three-dimensional mapping of crude oil spills. The BlueROV2 offers an easily modified platform for physical mounting of sensors and streaming of sensor data via its onboard computer, a Raspberry Pi. Our custom circuit board is “sensor-agnostic”, powering sensors from a common source (the ROV battery) and using an Arduino that accepts analog or digital sensor inputs, allowing us to choose from a wide range of sensors. Physical modifications make use of inexpensive, readily available materials, and range from simple plastic brackets for small sensors to a skid for a sensor with half the ROV’s original weight, which utilizes pop bottles for buoyancy. While products such as Pixhawk, Raspberry Pi, Arduino, and BlueROV have inspired hobbyists and youth around the world, they paradoxically have not been as widely embraced in the academic community, who perhaps remain unaware of their research potential. Thus, while there has yet to be an analogous push to develop inexpensive, small, power-efficient, and open-source sensors, these platforms offer exciting opportunities to build a new generation of oceanographic tools with measurement abilities far exceeding those of their predecessors. We are at an ocean technology tipping point, and, as MacGyver says, “With a little bit of imagination, anything is possible.”
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,015 |
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 ».