MétaCan
Menu
Retour à la cohorte
Enregistrement W4378965586 · doi:10.18280/jesa.560210

Mission-Planner Mapped Autonomous Robotic Lawn Mower

2023· article· fr· W4378965586 sur OpenAlexvenueno aff
Adekunle Taofeek Oyelami, Oladipupo Maothon Bamgbose, Olusola Akinbolaji Akintunlaji

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typearticle
Languefr
DomaineEngineering
ThématiqueRobotics and Automated Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLawnPlannerComputer scienceArtificial intelligenceHuman–computer interactionEcologyBiology

Résumé

récupéré en direct d'OpenAlex

An autonomous solar powered lawn mower deployable to a pre-mapped area was developed.The device receives directional sense using Mission Planner for pre-mapping of the workspace.This gives the device full control over the desired workspace, helping it to maneuver obstacles, including stones and trees, and get the work done without human intervention.The Autonomous device is made up of a robotic chassis, having four wheels and a DC motor connected to its underside, which is used to move the cutting blade.The blade cuts the grass beneath the lawn mower as the device navigates the workspace.Two microcontrollers were used to achieve the automation of this device.The first microcontroller was used to achieve obstacle avoidance while the second complimentary microcontroller was used to navigate the workspace autonomously.Holybro Kakute F7 HDV serves as the system central processing unit and it uses the Ardupilot technology to achieve navigation.It is particularly optimized for rovers due to its high resistance to vibration, ruggedness and size.A prototype of the robotic mower was developed and its operational performance satisfactory.The size of the pre-mapped area can vary, but a total distance of 135m was covered for the testing that was done.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,254
Écart entre enseignants0,229 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetRobotics and Automated SystemsTravaux en français237 207