Flight task performance with high and low gain night vision goggles
Notice bibliographique
Résumé
The National Research Council of Canada (NRC) conducted a series of flight tests in collaboration with Transport Canada (TC) to compare manoeuvre performance with high and low gain night vision goggles (NVG). A series of four low-altitude manoeuvres were developed to assess the pilots' ability to perform precision and dynamic tasks with the high and low gain NVG. The manoeuvres consisted of a hover task, a vertical re-mask (bob-up) task, a shallow-descent landing task and a confined area tail-clearing task (tail-turn). To simulate a low gain goggle that would meet currently mandated minimum performance standard, a set of neutral density filters were used to limit light entry. The image presented to the pilot from the filtered NVG approximated the image from a low gain NVG while maintaining other characteristics such as resolution. The subjective data comprised visual cue ratings and a rating of the texture cues apparent in the NVG. The objective data consisted of the measurements of position error for each of the manoeuvres. Examination of the subjective data indicated that the ratings for horizontal and vertical translation cues were significantly better with the high gain NVG than with the low gain NVG. Examination of the objective data showed that only the horizontal position error in the tail-turn task resulted in a statistically significant difference between the low and high gain NVG. Specifically, the pilots tended to drift out of position more when using the low gain NVG than when using the high gain NVG. The results are discussed in terms of NVG contrast and texture perception and the implications for performance standards.
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 ».