論文の概要: Spacecraft Collision Risk Assessment with Probabilistic Programming
- arxiv url: http://arxiv.org/abs/2012.10260v1
- Date: Fri, 18 Dec 2020 14:26:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 17:59:30.677381
- Title: Spacecraft Collision Risk Assessment with Probabilistic Programming
- Title（参考訳）: 確率計画による宇宙船衝突リスク評価
- Authors: Giacomo Acciarini, Francesco Pinto, Sascha Metz, Sarah Boufelja,
Sylvester Kaczmarek, Klaus Merz, Jos\'e A. Martinez-Heras, Francesca Letizia,
Christopher Bridges, At{\i}l{\i}m G\"une\c{s} Baydin
- Abstract要約: 長さ10cmを超える34,000体以上が地球を周回していることが知られている。
そのうち、活動的な衛星はわずかの割合しかなく、残りの人口は死んだ衛星、ロケット本体、および運用中の宇宙船に衝突の脅威を与える破片でできています。
結合データメッセージを合成生成するための新しい物理ベースの確率的生成モデルを構築する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over 34,000 objects bigger than 10 cm in length are known to orbit Earth.
Among them, only a small percentage are active satellites, while the rest of
the population is made of dead satellites, rocket bodies, and debris that pose
a collision threat to operational spacecraft. Furthermore, the predicted growth
of the space sector and the planned launch of megaconstellations will add even
more complexity, therefore causing the collision risk and the burden on space
operators to increase. Managing this complex framework with internationally
agreed methods is pivotal and urgent. In this context, we build a novel
physics-based probabilistic generative model for synthetically generating
conjunction data messages, calibrated using real data. By conditioning on
observations, we use the model to obtain posterior distributions via Bayesian
inference. We show that the probabilistic programming approach to conjunction
assessment can help in making predictions and in finding the parameters that
explain the observed data in conjunction data messages, thus shedding more
light on key variables and orbital characteristics that more likely lead to
conjunction events. Moreover, our technique enables the generation of
physically accurate synthetic datasets of collisions, answering a fundamental
need of the space and machine learning communities working in this area.
- Abstract（参考訳）: 長さ10cm以上の34,000以上の天体が地球を公転していることが知られている。
そのうち、アクティブ衛星はごくわずかだが、残りの人口は死んだ衛星、ロケット体、そして運用衛星に衝突の脅威をもたらす破片でできている。
さらに、宇宙セクターの成長が予測され、メガ星の打ち上げが計画されると、さらに複雑さが増し、宇宙運用者の衝突リスクと負担が増大する。
この複雑なフレームワークを国際的に合意された方法で管理することは、重要かつ緊急である。
この文脈では,合成結合データメッセージ生成のための物理ベースの確率生成モデルを構築し,実データを用いてキャリブレーションを行う。
観測を条件づけることで,ベイズ推定による後方分布を求める。
協調評価に対する確率的プログラミングアプローチは、予測や観測されたデータを結合データメッセージで説明するためのパラメータを見つけるのに役立ち、これにより、結合イベントにつながる可能性のある重要な変数や軌道特性に光を当てる。
さらに,この領域で作業する空間と機械学習コミュニティの基本的なニーズに応え,物理的に正確な衝突の合成データセットの生成を可能にする。
関連論文リスト
- Predicting the Geoeffectiveness of CMEs Using Machine Learning [0.0]
この研究は、ホワイトライトコロナグラフデータセットに基づいてトレーニングされたさまざまな機械学習手法の実験に焦点を当てている。
我々は、ロジスティック回帰、K-Nearest Neighbors、Support Vector Machines、フォワード人工ニューラルネットワーク、およびアンサンブルモデルを用いたバイナリ分類モデルを開発する。
このタスクの主な課題、すなわち、我々のデータセットにおけるジオエフェクトイベントの数と非エフェクトイベントの数の間の極端な不均衡について論じる。
論文 参考訳（メタデータ） (2022-06-23T03:56:22Z) - Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced
Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。
データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文 参考訳（メタデータ） (2022-05-20T21:15:26Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-12T12:52:20Z) - Probabilistic Trajectory Prediction with Structural Constraints [38.90152893402733]
この研究は、環境中の動的物体の運動軌跡を予測する問題に対処する。
最近の動きパターン予測の進歩は、しばしば観察された軌跡から動きパターンを外挿する機械学習技術に依存している。
本稿では,確率論的学習と制約付き軌道最適化を組み合わせた新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-07-09T03:48:14Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Conjunction Data Messages behave as a Poisson Process [3.502237058076449]
国際機関は、軌道上のオブジェクトの大規模なデータベースを継続的に監視し、結合データメッセージ形式で警告を発する。
衛星オペレーターにとって重要な質問は、新鮮な情報がいつ到着するかを推定して、衛星操作にタイムリーに反応できるようにすることです。
メッセージ到着過程の統計的学習モデルを提案し、2つの重要な質問に答えることができます。
論文 参考訳（メタデータ） (2021-05-14T18:47:07Z) - Congestion-aware Multi-agent Trajectory Prediction for Collision
Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。
学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。
実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文 参考訳（メタデータ） (2021-03-26T02:42:33Z) - Injecting Knowledge in Data-driven Vehicle Trajectory Predictors [82.91398970736391]
車両軌道予測タスクは、一般的に知識駆動とデータ駆動の2つの視点から取り組まれている。
本稿では,これら2つの視点を効果的に結合する「現実的残留ブロック」 (RRB) の学習を提案する。
提案手法は,残留範囲を限定し,その不確実性を考慮した現実的な予測を行う。
論文 参考訳（メタデータ） (2021-03-08T16:03:09Z) - SCAN: A Spatial Context Attentive Network for Joint Multi-Agent Intent
Prediction [4.507860128918788]
textbfSCANは、新しい空間的注意機構を用いて、空間的に近接した隣人の影響を符号化する。
提案手法は,予測意図の精度の観点から,アートトラジェクトリ予測手法の精度を定量的に向上させることができる。
論文 参考訳（メタデータ） (2021-01-29T23:35:00Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳（メタデータ） (2021-01-18T01:43:36Z) - Towards Automated Satellite Conjunction Management with Bayesian Deep
Learning [0.0]
ローアース軌道は、廃棄されたロケット本体、死んだ衛星、および衝突や爆発による何百万もの破片のジャンクヤードです。
速度は28,000km/hで、これらの軌道上の衝突は断片を発生させ、ケスラー症候群として知られるさらなる衝突のカスケードを引き起こす可能性がある。
この問題に対するベイジアン深層学習のアプローチを導入し、時系列の協調データメッセージで動作する繰り返しニューラルネットワークアーキテクチャ(LSTM)を開発します。
論文 参考訳（メタデータ） (2020-12-23T02:16:54Z)
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。