Développement d’un algorithme d’évitement de collisions pour un véhicule dans des conditions de faible adhérence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Malgré les développements technologiques considérables dans le domaine de l’assistance à \nla conduite, le nombre d’accidents de la route au Québec se voit augmenter de 30 % en \nprésence de conditions hivernales, caractérisées par la présence de glace et de neige au sol, \npar rapport aux autres saisons. Le projet de recherche dont traite ce mémoire est réalisé \ndans le cadre du programme de maîtrise en génie mécanique à l’Université de Sherbrooke et \nvise à développer un algorithme intelligent d’évitement des collisions basé sur la physique \npour un véhicule évoluant dans des conditions de faible adhérence. La stratégie proposée \nvise à développer une méthode de contrôle hybride entre une approche basée sur un modèle \ndynamique et une approche basée sur les données, pour favoriser un apprentissage rapide \ndans des scénarios pour lesquels la disponibilité des données est limitée. Cette approche \nconsiste à fournir un ensemble de paramètres pertinents à la caractérisation de la relation \nentre le véhicule et le sol à un algorithme dont le rôle est de déterminer la manoeuvre \noptimale à effectuer en fonction des paramètres estimés par le filtre. \nCe mémoire présente la réalisation d’une preuve de concept expérimentale d’un algorithme \nd’évitement de collision pour véhicules évoluant dans des conditions de faible adhérence, \nimplémenté sur une plateforme de voiture à l’échelle 1/5ème. Un estimateur basé sur un \nmodèle dynamique traite d’abord les données de capteurs provenant du IMU, du LIDAR et \ndes encodeurs pour estimer les paramètres pertinents du véhicule et des conditions du sol, \ntels que la vitesse inertielle du véhicule v, la vitesse angulaire des roues ω, l’accélération \na, le coefficient de friction μ, la cohésion c et l’angle de cisaillement interne ϕ. Ensuite, \nun prédicteur piloté par les données est entraîné pour prédire la manoeuvre optimale \nà effectuer dans la situation caractérisée par les paramètres estimés. L’expérimentation \ndémontre qu’il est possible de produire une estimation en temps réel des paramètres du \nvéhicule et du sol et de déterminer une manoeuvre optimale d’évitement des collisions sur \nla base des paramètres estimés.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découle