MétaCan
Menu
Retour à la cohorte
Enregistrement W4389543707 · doi:10.23919/oceans52994.2023.10336950

Using Uncrewed Surface Vehicles for Maritime Domain Awareness in the Arabian Gulf

2023· article· en· W4389543707 sur OpenAlexaff
Fritz Stahr, Elisabeth Paul, Madeleine Bouvier-Brown, Cailin Burmaster, Julie Angus, Stuart Charmichael

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Navigation and Safety
Établissements canadiensOcean Networks Canada Society
Organismes subventionnairesnon disponible
Mots-clésNavyDomain (mathematical analysis)AeronauticsRoboticsTask (project management)EngineeringMarine engineeringOceanographyComputer scienceArtificial intelligenceGeographyGeologySystems engineeringRobotMathematicsArchaeology

Résumé

récupéré en direct d'OpenAlex

In 2022 and 2023, Open Ocean Robotics (OOR) participated in two significant U.S. Navy exercises for uncrewed vehicles in the Arabian Gulf - Digital Horizons 2022 (DH22) and the International Maritime Exercise 2023 (IMX23). This demonstrated the capabilities of an OOR DataXplorer™ Uncrewed Surface Vehicle (USV) to continuously observe surrounding waters for the purpose of Maritime Domain Awareness (MDA). The importance of this type of work was highlighted by the creation of Task Force 59 within the U.S. Navy's <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$5^{\text{th}}$</tex> Fleet in order to test existing commercial USV technologies, as well as Uncrewed Aerial Vehicles, to significantly expand use of such for MDA.

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 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,046
Tête enseignante GPT0,291
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaritime Navigation and SafetyTravaux en français237 207