ROV Teleoperation in the Presence of Cross‐Currents Using Soft Haptics
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
ABSTRACT The remote operation of underwater vehicles at depth is complicated by the presence of invisible and unpredictable environmental disturbances such as cross‐currents. Communicating the presence of these disturbances to an operator on the surface is made more difficult by the nature of the disturbances and the lack of visible features to highlight in the visual display presented to the operator. Here we explore the use of a novel interactive soft haptic touchpad that utilizes vibration and particle jamming to provide information about the presence and direction of cross‐currents to the operator of an ROV (remotely operated vehicle). An in‐water experiment using a thruster‐based ROV and artificially generated cross‐current was performed with nonexpert ROV operators to evaluate the effectiveness of multimodal haptic feedback to communicate complex environmental information during high‐risk operations. Advanced haptic displays can signal both the presence of external factors as well as their direction, information that can enhance operational performance as well as reduce operator cognitive load. Using haptic feedback resulted in a statistically significant reduction in cognitive load of 24.3% and an increase in positioning accuracy of 28.3% for novice operators. Deviation from an ideal path was also reduced by 29.5% for experienced operators when using haptic feedback compared to without. While this experiment took place in controlled conditions with a fixed direction cross‐current and haptic interface, this approach could be extended to communicate real‐time environmental information in real‐world unstructured environments.
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) | 0,000 | 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