Quantifying Virtual Control Tower Decision Making using Visual Discrimination of Aircraft Maneuvers
Notice bibliographique
Résumé
The new Virtual and Remote Control Tower paradigm (RTO) [1] requires verification of technical parameters and extensive validation of the performance with simulation and field experiments. Of central importance for tower controllers are visual cues obtained from the out-of-windows view [2] which is replaced by a high resolution video panorama with pan-tilt zoom function. Here we present results of a remote tower simulation and analysis of dual choice decision errors obtained with 13 domain experts who had to observe and predict the outcome of aircraft landing under different braking conditions. High deceleration leads to stop on the runway whereas low deceleration results in runway overshoot. Bayes inference, discriminability, and subjective decision bias, derived from the response matrix data (hit rate H (correct prediction of stop stimulus), misses, correct rejections and false alarm rate FA (false “stop” prediction of no-stop stimulus) are used for deriving video frame rate requirements for minimizing decision errors [3]. Results are presented in ROC space (receiver operating characteristic) displaying (H, FA)-data together with isosensitivity (d’ or nonparametric A) and isobias curves according to detection theory. Preliminary data analysis of decision error-decrease with increasing framerate FR (6 – 24 Hz) is based based on the hypothesis of an exponentially decaying visual short term memory with sample and hold delay. Exponential and linear approximations and extrapolations of the d’ (or A) vs. FR data indicate a minimum FR-requirement of at least 35 Hz. The result is confirmed with Bayes inference and is supported by shooter game experiments [4]. These methods are presently used also for quantifying RTO performance and usability under field testing conditions.
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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».