A Parametric Comparison of JARUS SORA 2.0 and 2.5 Ground Risk Models
Notice bibliographique
Résumé
This paper provides a comparative analysis of the Joint Authorities for Rulemaking of Unmanned Systems (JARUS)’ Specific Operations Risk Assessment (SORA) ground risk model, between Version 2.0 and Version 2.5, focusing on differences and similarities. SORA, a methodology for risk assessment and conformity evaluation developed by JARUS, has been widely adopted across various regions, including Australia, Canada, the European Union, and others. The study delves into the variations in risk assessment outcomes concerning intrinsic and final Ground Risk Class, elucidating their implications for different categories of Unmanned Aircraft Systems (UASs). Key paradigm shifts between SORA 2.0 and 2.5 affecting Ground Risk assessment are outlined, as follows: (1) Introduction of quantitative analysis based on precise population density for determining intrinsic Ground Risk Class. (2) Incorporation of Visual Line of Sight (VLOS) from the remote pilot as a mitigation measure, coupled with a stricter definition of VLOS as visual ground control. (3) Enhanced differentiation among UAS sizes. Furthermore, the paper underscores the implications of these changes on original equipment manufacturers (OEM) and operators. By referencing standard industry operations, the analysis sheds light on how modifications in the SORA methodology impact UAS operations and regulatory compliance. Overall, this comparative analysis provides valuable insights into the evolution of the SORA ground risk model, facilitating a deeper understanding of its application in UAS operations and regulatory frameworks globally.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».