MétaCan
Menu
Retour à la cohorte
Enregistrement W4411171911 · doi:10.1109/lcsys.2025.3578470

Attitude Estimation Using Scalar Measurements

2025· article· en· W4411171911 sur OpenAlexafffund
Hassan Alnahhal, Sifeddine Benahmed, Soulaimane Berkane, Tarek Hamel

Notice bibliographique

RevueIEEE Control Systems Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensCégep de l'Outaouais
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec
Mots-clésScalar (mathematics)MathematicsPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

This paper revisits the problem of orientation estimation for rigid bodies through a novel framework based on scalar measurements. Unlike traditional vector-based methods, the proposed approach enables selective utilization of only the reliable axes of vector measurements while seamlessly incorporating alternative scalar modalities such as Pitot tubes, barometers with range sensors, and landmark-based constraints. The estimation problem is reformulated within a linear time-varying (LTV) framework, allowing the application of a deterministic linear Kalman filter. This design guarantees Global Uniform Exponential Stability (GES) under the Uniform Observability (UO) condition. Simulation results demonstrate the effectiveness of the proposed approach in achieving robust and accurate attitude estimation, even with partial vector measurements that simulate sensor axis failure.

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)0,000
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 enseignants0,490
Score d'incertitude au seuil0,497

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,238
Écart entre enseignants0,221 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Control Systems LettersMême sujetInertial Sensor and NavigationTravaux en français237 207