Key points are not available for this paper at this time.
Com o impacto crescente da inteligência artificial na indústria tradicional de UAVs, a busca por voo autônomo de UAVs emergiu como um ponto focal da pesquisa contemporânea. Abordando a necessidade de avançar as tecnologias críticas em voo autônomo, este artigo explora o reconhecimento do estado de voo de UAV e a previsão de trajetória. Apresentando uma abordagem inovadora focada em melhorar a precisão da previsão de caminho de veículos aéreos não tripulados (UAV) por meio da identificação de estados de voo, este estudo demonstra sua eficácia através da implementação de dois modelos de previsão. Primeiramente, a aquisição de dados de voo de UAV foi realizada neste artigo por meio do uso de multi-sensores. Finalmente, dois modelos para previsão de trajetória de UAV foram projetados com base em métodos de aprendizado de máquina e métodos clássicos de previsão matemática, respectivamente, e os resultados antes e após o reconhecimento do padrão de voo são comparados. Os resultados experimentais mostram que o erro de previsão do método de previsão de trajetória de UAV baseado em múltiplos modos de voo é menor do que o método de previsão de trajetória tradicional em diferentes estágios de voo.
Shi et al. (Mon,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: