Real time autonomous collision avoidance for unmanned aerial vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
GeoSurv II is a jointly funded project of Sander Geophysics Limited (SGL) and NSERC to develop a fixed-wing Unmanned Aerial Vehicle (UAV), capable of autonomously performing high resolution geophysical surveys at low flight altitudes over poorly known terrain. This thesis is in support of achieving this objective. In order to achieve such a level of autonomy, the UAV must be capable of avoiding stationary, pop-up and moving obstacles while flying at low altitude. Such obstacles may include power lines, communication towers, trees, unknown flight vehicles encountered while at flight or uneven terrains which creates the situation of the pop-up obstacles. In addition to that the UAV must be able to fly as close as possible to the reference trajectory for a given geophysical survey. The development and testing of a method capable of performing such an autonomous mission is the objective of this thesis. In this thesis, a method is developed based on a spectral method known as Legendre Pseudospectral Optimal Control, because of its capability to directly incorporate all of the mission objectives, while respecting the UAV constraints (which other methods in the literature are not capable of). The method accounts the aircraft and obstacle constraints there by capable of avoiding obstacles with feasible maneuvers for the aircraft. The objective to remain as close to the reference trajectory is fulfilled by setting the area between the flight trajectory and reference trajectory as the cost of optimization of the optimal control problem. Five different scenarios presented in this thesis show the developed method's capability to avoid the stationary, pop-up and the moving obstacles successfully while remaining close to the reference trajectory.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle