論文の概要: The eyes and hearts of UAV pilots: observations of physiological responses in real-life scenarios

• arxiv url: http://arxiv.org/abs/2210.14910v1
• Date: Wed, 26 Oct 2022 14:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 14:47:39.249296
• Title: The eyes and hearts of UAV pilots: observations of physiological responses in real-life scenarios
• Title（参考訳）: UAVパイロットの目と心--実生活シナリオにおける生理的反応の観察
• Authors: Alexandre Duval, Anita Paas, Abdalwhab Abdalwhab and David St-Onge
• Abstract要約: 民間機や軍用機では、パイロットはリアルなシミュレーターで自分の反応や反射を調整できる。 この作業は、現場でパイロットの行動を収集し、パフォーマンスを向上させるソリューションを提供することを目的としています。
• 参考スコア（独自算出の注目度）: 64.0476282000118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The drone industry is diversifying and the number of pilots increases rapidly. In this context, flight schools need adapted tools to train pilots, most importantly with regard to their own awareness of their physiological and cognitive limits. In civil and military aviation, pilots can train themselves on realistic simulators to tune their reaction and reflexes, but also to gather data on their piloting behavior and physiological states. It helps them to improve their performances. Opposed to cockpit scenarios, drone teleoperation is conducted outdoor in the field, thus with only limited potential from desktop simulation training. This work aims to provide a solution to gather pilots behavior out in the field and help them increase their performance. We combined advance object detection from a frontal camera to gaze and heart-rate variability measurements. We observed pilots and analyze their behavior over three flight challenges. We believe this tool can support pilots both in their training and in their regular flight tasks. A demonstration video is available on https://www.youtube.com/watch?v=eePhjd2qNiI
• Abstract（参考訳）: ドローン産業は多様化しており、パイロットの数は急速に増えている。 この文脈では、飛行学校はパイロットの訓練に適応したツールを必要としており、最も重要なのは、自身の生理的および認知的限界に対する認識である。 民間機や軍用機では、パイロットは現実的なシミュレーターで自分の反応や反射を調整できるだけでなく、パイロットの行動や生理状態のデータを収集することもできる。 パフォーマンスを改善するのに役立ちます。 コックピットのシナリオに逆らって、ドローンの遠隔操作はフィールドで屋外で行われ、デスクトップシミュレーショントレーニングの限られた可能性しか持たない。 この作業は、現場でパイロットの行動を収集し、パフォーマンスを向上させるソリューションを提供することを目的としています。 前面カメラからの先行物体検出と視線および心拍変動測定を組み合わせた。 パイロットを観察し,3つの飛行課題について分析した。 このツールは、パイロットの訓練と通常の飛行作業の両方を支援できると考えています。 デモビデオはhttps://www.youtube.com/watch? v=eePhjd2qNiI

関連論文リスト

• UAVs and Birds: Enhancing Short-Range Navigation through Budgerigar Flight Studies [2.3884184860468136]
  本研究は,Budgerigars (Melopsittacus undulatus) の飛行行動について検討し,飛行軌跡や運動の知見を得た。 ステレオビデオカメラ記録からの3次元再構成を用いて, 3回の離陸, 飛行, 着陸時の速度, 加速度パターンを綿密に検討した。 この研究は、鳥類で観察される生物学的原理と、より効率的で自律的なUAVの開発におけるこれらの洞察の応用のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T14:02:16Z)
• Rethinking Closed-loop Training for Autonomous Driving [82.61418945804544]
  本研究は,学習エージェントの成功に対する異なるトレーニングベンチマーク設計の影響を分析した最初の実証的研究である。 複数ステップのルックアヘッドで計画を行うRLベースの駆動エージェントであるtrajectory value learning (TRAVL)を提案する。 実験の結果,TRAVLはすべてのベースラインと比較してより速く学習でき,安全な操作が可能であることがわかった。
  論文  参考訳（メタデータ） (2023-06-27T17:58:39Z)
• Autonomous Agent for Beyond Visual Range Air Combat: A Deep Reinforcement Learning Approach [0.2578242050187029]
  本研究は, 遠近視域(BVR)空戦シミュレーション環境において動作可能な深層強化学習に基づくエージェントの開発に寄与する。 本稿では,BVR戦闘におけるその役割を学習し,改善することができる高性能戦闘機のエージェント構築の概要について述べる。 また、仮想シミュレーションを用いて実際のパイロットの能力を調べ、訓練されたエージェントと同じ環境で対話し、パフォーマンスを比較することを望んでいる。
  論文  参考訳（メタデータ） (2023-04-19T13:54:37Z)
• Towards Cooperative Flight Control Using Visual-Attention [61.99121057062421]
  本稿では,パイロットと制御システム間の並列自律性を実現するための,視覚に基づくエアガードシステムを提案する。 我々の注意に基づく航空防衛システムは、飛行への関与レベルとパイロットの専門知識と注意のトレードオフをバランスさせることができる。
  論文  参考訳（メタデータ） (2022-12-21T15:31:47Z)
• Learning Deep Sensorimotor Policies for Vision-based Autonomous Drone Racing [52.50284630866713]
  既存のシステムは、状態推定、計画、制御のために手作業によるコンポーネントを必要とすることが多い。 本稿では、深層感触者ポリシーを学習することで、視覚に基づく自律ドローンレース問題に取り組む。
  論文  参考訳（メタデータ） (2022-10-26T19:03:17Z)
• Augmenting Flight Training with AI to Efficiently Train Pilots [0.0]
  航空機の操縦方法を学ぶためのAIベースのパイロットトレーナーを提案する。 AIエージェントは、行動クローニングを使用して、資格のある飛行インストラクターから飛行操作を学習する。 このシステムは、エージェントの判断を用いて、学生が犯したエラーを検出し、学生がエラーを修正するのを助けるフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-10-13T02:35:24Z)
• How might Driver Licensing and Vehicle Registration evolve if we adopt Autonomous Cars and Digital Identification? [0.18275108630751835]
  ドライバーのトレーニングやライセンシングには、同様の未来があるかもしれない、と私たちは主張する。 パイロットの免許は依然として、完全な制御を前提として必要な飛行を完了させる能力に証明されている。
  論文  参考訳（メタデータ） (2022-02-20T17:11:32Z)
• Visual Attention Prediction Improves Performance of Autonomous Drone Racing Agents [45.36060508554703]
  人間はエンドツーエンドの自律飛行のために訓練されたニューラルネットワークよりも速くドローンをレースする。 本研究では、人間の視線行動や注意を模倣できるニューラルネットワークが、ニューラルネットワークの性能を向上させるかどうかを検討する。
  論文  参考訳（メタデータ） (2022-01-07T18:07:51Z)
• Self-Supervised Disentangled Representation Learning for Third-Person Imitation Learning [45.62939275764248]
  第三者模倣学習(英: third-person mimicion learning, TPIL)とは、第三者の視点で他のエージェントを観察することで行動ポリシーを学習する概念である。 本稿では,ロボット作業におけるエゴモーションを用いたTPIL手法を提案する。 本稿では,TPILの状態学習を改善するために,不整合表現学習法を提案する。
  論文  参考訳（メタデータ） (2021-08-02T17:55:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。