Aerial-Marine Cross-Domain Uncrewed Systems: An Overview of Cyberphysical Coordination Frameworks for Marine Applications
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
With the swift progress of ocean engineering and marine economy, marine missions are becoming more complex. This upsurge in complexity is leading to the integration of fleets of uncrewed aerial vehicles (UAVs) and fleets of uncrewed surface vessels (USVs) into an aerial–marine cross-domain uncrewed system (AMCDUS). Such an integration has become indispensable for fulfilling increasingly challenging marine missions. <p xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">To build a foundation of the essential cooperation theories, techniques, and applications of the AMCDUS, we propose a hierarchical cyberphysical coordination framework that fuses the physically coordinated motions with the information that flows among the terminal, the network, and the cloud (see “Summary” section). The top level in the physical space is designed to produce coordinated planning paths for the middle level of multi-UAV–USV coordination. The middle level accordingly conducts mission-based cooperation commands and yields velocity and heading references for the low level of individual vehicle capabilities. The top level in cyberspace is implemented in cloud servers, which calculates the cross-domain intelligent control law to accommodate critical situations. Then, the middle-level network servers make cooperative commands for heterogeneous uncrewed systems, and the low-level terminal servers conduct both environmental perception and target recognition with the assistance of various infrastructures and sensors. Extensive coordinated cross-domain navigation and landing experiments of AMCDUSs are conducted to validate the effectiveness of the proposed framework. Emerging challenges are discussed to motivate future directions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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