MétaCan
Menu
Retour à la cohorte
Enregistrement W3204763917 · doi:10.1109/icas49788.2021.9551158

State-Of-The-Art And Directions For The Conceptual Design Of Safety-Critical Unmanned And Autonomous Aerial Vehicles

2021· article· en· W3204763917 sur OpenAlexaff
Saad Bin Nazarudeen, Jonathan Liscouët

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSizingRedundancy (engineering)Conceptual designReliability engineeringReliability (semiconductor)Computer scienceFault tree analysisReliability theoryRisk analysis (engineering)Systems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Unmanned and Autonomous Aerial Vehicles (UAV/AAV) must be safe and reliable to prevent catastrophic accidents in population-dense areas. The study reveals the absence of a comprehensive UAV/AAV design for reliability approach in the open literature; in particular, there is no conceptual design methodology including safety and reliability considerations in the sizing. This finding leads to investigating the relevance of pursuing this research direction and identifying the challenges to address. For this matter, a straightforward approach combining sizing, systematic redundancy, controllability, and reliability assessments compares a conventional to a redundant design in a case study. The reliability analysis confirms that the redundant design is fault-tolerant and potentially highly reliable. However, the total mass almost doubles due to the lack of sizing and redundancy optimization. Plus, there is a high risk of under-sizing due to the limitations of a straightforward approach. This result emphasizes the need to develop a new conceptual design methodology based on sizing, including safety and reliability considerations. The paper concludes with research directions towards this goal. Thus, optimized redundant designs will contribute to the emergence of UAV/AAV for safety-critical applications in the near future.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,267
Écart entre enseignants0,237 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207