MétaCan
Menu
Retour à la cohorte
Enregistrement W4390071568 · doi:10.1109/cisct57197.2023.10351421

Desired Track Guidance for Flight Navigation Technique

2023· article· en· W4390071568 sur OpenAlexaff
Divya Sharma, Ishani Mishra, Ramanamma Parepalli, Lipsa Dash, Kushalatha M. R

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTrack (disk drive)Artificial intelligenceComputer vision

Résumé

récupéré en direct d'OpenAlex

The flight management system (FMS) of aircrafts mission computer encompasses the functions such as flight planning, automatic navigation, homing guidance, desired track guidance and speed guidance functions. Guidance in the current context is the indications provided to pilot to direct him to bring the aircraft onto a particular track, or to suitably alter the speed so as to reach the destination at a pre-selected time. The current work aims to address the trajectory prediction for the case of flight plans having desired track constraint for some or all the waypoints of the aircraft plan. This involves lateral flight profile prediction of the aircraft by considering all the flight plan constraints such as bank angle during turn, desired track angle, desired distance, cross track error etc., at all waypoints of the aeronautical strategy. With all these constraints entire flight path in terms of flight segments is computed. This includes the computation of “Initial vector”, “Rollover points”, “Turn Initiation points”, “Turn path length”. Using this data, “Time to fly each flight leg” is computed for all the flight legs of the flight plan. The proposed work is simulated using MATLAB and the trajectory has been plotted.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,319

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 savante0,0000,000
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 Opus0,043
Tête enseignante GPT0,302
Écart entre enseignants0,259 · 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
GenreMéthodes

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207