Génération automatique de démonstrations de tâche pour le Canadarm II
Notice bibliographique
Résumé
Le présent mémoire présente une solution à la génération automatique de démonstrations de tâche impliquant le bras robotique canadien (BRC), connu aussi sous le nom de Canadarm II, sur la station spatiale internationale. Plus précisément, il tente de résoudre le problème de la planification de caméras virtuelles afin de filmer la tâche agréablement et permettant à l'observateur de comprendre les manipulations effectuées le mieux possible afin d'être éventuellement capable de les reproduire. Ces démonstrations doivent en effet pouvoir être utilisées par l'équipe au sol afin d'expliquer à un astronaute de la station spatiale les manipulations qu'il doit accomplir. Le générateur de démonstrations pourra aussi être utilisé dans un système tuteur intelligent permettant d'entraîner les astronautes à la manipulation du BRC. Après avoir analysé les différentes techniques de planification automatique de caméras proposées dans la littérature, nous avons choisi un algorithme à base d'idiomes que nous avons amélioré et adapté à notre situation et que nous avons implémenté grâce à un système de planification nommé TLPlan. Le générateur automatique de démonstrations a été intégré au système Roman Tutor, système qui permet de simuler les mouvements du BRC dans un environnement 3D virtuel. Ce mémoire explique donc notre choix de l'algorithme, les différentes innovations que nous avons apportées à la planification de caméras, la structure de notre système et termine en exposant les résultats de nos expérimentations à l'intérieur de Roman Tutor.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».