Uncrewed Surface Vessel Testbed and Gripping Mechanism for Drone Landings in Harsh Conditions
Notice bibliographique
Résumé
Autonomous unmanned aerial vehicles (UAVs) and uncrewed surface vessels (USVs) have the potential to greatly improve ocean monitoring, search and rescue, and scientific data collection. Autonomously coordinating their operations could extend mission range and allow exploration of remote areas; however, a major challenge in landing a UAV on a moving USV in harsh conditions has not been solved. Previous work in the Robora Lab developed a mobile two-axis tilting platform with pitch and roll to emulate USV motion in waves to test novel landing algorithms outside of simulation. This project expanded on that work by integrating a USV with custom control for future on-water algorithm testing. In addition, a proof-of-concept mechanical solution was developed to enable robust UAV–USV landings. The BlueRobotics BlueBoat USV was acquired and its basic features were validated in the water. It was upgraded with a Jetson Orin Nano to communicate with the existing autopilot and onboard sensors to coordinate real time control. A custom Model Predictive Control algorithm was developed and implemented in cascade with existing onboard controllers to demonstrate custom control while minimizing tuning efforts. These upgrades enable the BlueBoat to be a capable testbed for future autonomous UAV-USV interaction experiments. Additionally, a novel corkscrew-based gripping mechanism was developed to enable reliable, toggleable adhesion between a UAV and landing platform. The mechanism uses a motorized corkscrew to engage with hook-and-loop material, securing the UAV during landing while allowing controlled release for takeoff. The system was integrated with a CrazyFlie UAV and evaluated with the two-axis tilting platform. Varying descent speeds, corkscrew actuation parameters, and platform motions were tested. The mechanism was found to increase the success rate of landings and takeoffs compared to a control, especially on highly tilted platforms upwards of 45 degrees, or during rapid descents.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».