A Modular Interface for Multi-Agent Marine Autonomy Simulation
Notice bibliographique
Résumé
Marine autonomy is a rapidly-growing field, with wide-ranging applications in climate health monitoring, ocean exploration, and naval security. As the technologies mature, scaling is typically limited by the rate at which engineers can evaluate configuration parameters and autonomy logic in the field and in simulation. With field time already a scarce commodity, there exists a need for rapidly-repeatable tests in a reliable and flexible digital ocean twin. Such simulated tests need to be executable with a reasonable balance of fidelity, mutability, and speed. This paper presents a simulation framework that focuses on meeting these criteria within a modular, robust, and accessible software package using MIT's MOOS-IvP middleware. MOOS is a lightweight middleware designed to support interprocess communication in large, multi-application robotic platforms like AUVs (Autonomous Underwater Vehicles) and ASVs (Autonomous Surface Vehicles). Its extension, MOOS-IvP (Interval Programming), was developed around the paradigm of behavior-based autonomy, using high-level objective functions to rapidly and adaptively control speed, heading, and depth. MOOS-IvP also provides a very simple simulator and User-Interface to test these behaviors in faster-than-realtime environments. This empowers users to rapidly spin up test missions with entire fleets of autonomous agents for the purposes of fine-tuning configurations and vehicle dynamics. This paper presents a framework of thin tools along this paradigm which provides a more standard interface to the MOOS-IvP simulator and middleware. This framework, WebMOOS, aims to use modern industry standards in microservice and web architecture, along with common devops techniques like containerization to streamline the sim-to-real pipeline with science users in mind.
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 | 0,000 | 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 | 0,000 | 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 ».