MétaCan
Menu
Retour à la cohorte
Enregistrement W4378191602 · doi:10.1109/syscon53073.2023.10131115

Assessment of Distributed Flocking Algorithms for Multi-Fixed-Wings UAVs using SIL Simulation

2023· article· en· W4378191602 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésFlocking (texture)Computer scienceAerodynamicsUnderactuationNonlinear systemMATLABSoftwareAlgorithmDistributed computingSimulationRobotAerospace engineeringArtificial intelligenceEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This paper aims to implement and validate the flocking approaches known as Olfati-Saber and Vásárhelyi algorithms that are originally developed for fully-actuated systems for coordinating underactuated Unmanned Aerial Vehicles (UAVs) teams in a stochastic environment using a Software-in-the-Loop (SIL) Simulation Platform based on realistic aircrafts with nonlinear dynamic models. These algorithms allow the UAVs to maintain the cohesion, alignment and separation between the agents of the team during flight by attending to the distance criteria during the path-following and avoiding collision among them. For validating the investigated approaches, the proposed SIL platform uses a team of virtual UAVs based on the non-linear aerodynamic model of the Cessna 172 Skyhawk implemented in a ROS/Gazebo architecture, while the Matlab/Simulink executes of the flocking control algorithms. Simulation results demonstrated that the flocking algorithms can efficiently coordinate the underactuated UAVs teams considering their nonlinear dynamics and also the communication among all of them during the execution of different flight maneuvers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil0,871

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,388
Écart entre enseignants0,267 · 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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDistributed Control Multi-Agent SystemsTravaux en français237 207