MétaCan
Menu
Retour à la cohorte
Enregistrement W4416323611 · doi:10.1109/mcomstd.2025.3630439

Anchor-and-Connect: Robotic Aerial Base Stations Transforming 6G Infrastructure

2025· article· W4416323611 sur OpenAlexaff
Wen Shang, Yuan Liao, Vasilis Friderikos, Halim Yanıkömeroğlu

Notice bibliographique

RevueIEEE Communications Standards Magazine · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBase stationGRASPAnchoringKey (lock)WirelessService (business)Base (topology)

Résumé

récupéré en direct d'OpenAlex

Despite the significant attention that aerial base stations (ABSs) have received recently, their practical implementation is severely weakened by their limited endurance due to the battery constraints of drones. To overcome this fundamental limitation and barrier for wider adoption, we propose the concept of robotic aerial base stations (RABSs) that are equipped with energy-neutral anchoring end-effectors able to autonomously grasp or perch on tall urban landforms. Thanks to the energy-efficient anchoring operation, RABSs could offer seamless wireless connectivity for multiple hours compared to minutes of the typical hovering-based ABSs. Therefore, the prolonged service capabilities of RABSs allowing them to integrate into the radio access network and augment the network capacity where and when needed. To set the scene, we discuss the key components of the proposed RABS concept including hardware, workflow, communication considerations, and regulation issues. Then, the advantages of RABSs are highlighted which is followed by case studies that compare RABSs with terrestrial micro BSs and other types of non-terrestrial communication infrastructure, such as hovering-based, tethered, and laser-powered ABSs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Communications Standards MagazineMême sujetUAV Applications and OptimizationTravaux en français237 207