Autonomous vehicle systems research at National Research Council Canada, Institute for Marine Dynamics (NRC-IMD)
Notice bibliographique
Résumé
This paper provides general information on autonomous systems (vehicles) that operate in water, on land, in air and in space. The associated ideas lead directly to considerations that affect the design of fully-autonomous vehicles. We include a discussion of some of the engineering, logistical and systems-integration aspects of autonomous operations, including the use of multiple vehicles in a coordinated "fleet". We outline some of the technical challenges associated with working within a limited energy budget and mention some possible strategies for vehicle-to-vehicle communications and for vehicle-network configurations and management. The results from this research will permit planners and developers of autonomous vehicle systems to better allocate such limited assets in order to provide more effective operations in hazardous environments. We describe the design of one instance of such a vehicle, in the form of a highly-manoeuvrable autonomous underwater vehicle (AUV). We go on to describe our initial successes and lessons learned, and, our plans for subsequent development of the AUV and its role as a prototype member of small a "fleet" of AUVs. We describe some parallel work-in-progress (with a single AUV) that has commercial application in support of the Canadian East Coast offshore oil and gas industry. This work involves the AUV carrying suitable sensors to detect and quantify the presence of certain chemicals in ocean water samples. Current and future results from our research can be generalized to more effective operations of autonomous vehicles on land, in the air and oceans, and in space
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 | 0,005 | 0,001 |
| 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) | 0,001 | 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 ».