論文の概要: Towards Automated Satellite Conjunction Management with Bayesian Deep
Learning
- arxiv url: http://arxiv.org/abs/2012.12450v1
- Date: Wed, 23 Dec 2020 02:16:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 18:20:35.603491
- Title: Towards Automated Satellite Conjunction Management with Bayesian Deep
Learning
- Title(参考訳): ベイズ深層学習による衛星結合管理の自動化に向けて
- Authors: Francesco Pinto, Giacomo Acciarini, 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: 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。
- 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: After decades of space travel, low Earth orbit is a junkyard of discarded
rocket bodies, dead satellites, and millions of pieces of debris from
collisions and explosions. Objects in high enough altitudes do not re-enter and
burn up in the atmosphere, but stay in orbit around Earth for a long time. With
a speed of 28,000 km/h, collisions in these orbits can generate fragments and
potentially trigger a cascade of more collisions known as the Kessler syndrome.
This could pose a planetary challenge, because the phenomenon could escalate to
the point of hindering future space operations and damaging satellite
infrastructure critical for space and Earth science applications. As commercial
entities place mega-constellations of satellites in orbit, the burden on
operators conducting collision avoidance manoeuvres will increase. For this
reason, development of automated tools that predict potential collision events
(conjunctions) is critical. We introduce a Bayesian deep learning approach to
this problem, and develop recurrent neural network architectures (LSTMs) that
work with time series of conjunction data messages (CDMs), a standard data
format used by the space community. We show that our method can be used to
model all CDM features simultaneously, including the time of arrival of future
CDMs, providing predictions of conjunction event evolution with associated
uncertainties.
- Abstract(参考訳): 数十年にわたる宇宙旅行の後、低軌道は廃棄されたロケット本体、死んだ衛星、衝突や爆発による数百万の破片のジャンクヤードである。
高度の高い天体は大気圏に再突入して燃え上がるのではなく、長期間地球を周回する軌道に留まる。
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。
この現象は将来の宇宙活動の妨げとなり、宇宙や地球科学の応用に不可欠な衛星インフラを損なう可能性があるため、惑星的な課題となる可能性がある。
商業団体が軌道上の衛星のメガコンステレーションを行うと、衝突回避操作を行うオペレーターの負担が増加する。
このため、潜在的な衝突イベント(結合)を予測する自動ツールの開発が不可欠である。
本稿では,この問題に対するベイズ深層学習手法を紹介し,空間コミュニティが使用する標準データフォーマットである時系列結合データメッセージ (cdms) で動作するリカレントニューラルネットワークアーキテクチャ (lstms) を開発した。
提案手法は,今後のCDMの到着時期など,全てのCDM特徴を同時にモデル化し,関連する不確実性と組み合わせたイベントの進化を予測できることを示す。
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) - FedSpace: An Efficient Federated Learning Framework at Satellites and
Ground Stations [10.250105527148731]
低軌道(LEO)衛星の大規模な展開は、大量の地球画像やセンサーデータを収集する。
ダウンリンク帯域の制限、疎結合性、画像解像度の正規化制約のため、高解像度画像をダウンロードし、これらの機械学習モデルを地上で訓練することは不可能であることが多い。
本稿では,地上局と衛星が収集した画像を衛星上で共有することなく,グローバルMLモデルを協調訓練するフェデレートラーニング(FL)を提案する。
論文 参考訳(メタデータ) (2022-02-02T20:09:27Z) - Asteroid Flyby Cycler Trajectory Design Using Deep Neural Networks [4.420321822469076]
本稿では,深部ニューラルネットワークによって構築された代理モデルを用いて,小惑星フライバイサイクル軌道を設計する新しい手法を提案する。
カルシュ・クーン・タッカー条件を満たす擬似小惑星を導入することにより,効率的なデータベース生成戦略を提案する。
論文 参考訳(メタデータ) (2021-11-23T13:31:05Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳(メタデータ) (2021-10-28T14:12:10Z) - Predicting Solar Flares with Remote Sensing and Machine Learning [0.0]
重要なシステムの破壊は、食糧不足と緊急対応のできないことに繋がる。
ここでは、太陽を継続的に観測する太陽軌道上の衛星を用いて、この差し迫った問題の解決策を提案する。
システムのアプローチにより、災害のリスクを軽減できる十分な安全対策を実施できる。
論文 参考訳(メタデータ) (2021-10-14T18:28:28Z) - OSCAR: Data-Driven Operational Space Control for Adaptive and Robust
Robot Manipulation [50.59541802645156]
オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。
本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。
本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2021-10-02T01:21:38Z) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [60.97520127326484]
本研究では,長距離ミッションとリアルタイムセマンティックマッピングが可能な自律飛行・セマンティックSLAMシステムを提案する。
ニューラルネットワークとインスタンス抽出アルゴリズムを用いて,UAV上でのセマンティックセグメンテーションをリアルタイムで実現する。
セマンティックSLAMの出力は、状態推定、計画、制御アルゴリズムにリアルタイムで使用される。
論文 参考訳(メタデータ) (2021-09-14T07:24:53Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - 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) - 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) - Spacecraft Collision Risk Assessment with Probabilistic Programming [0.0]
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。
論文 参考訳(メタデータ) (2020-12-18T14:26:08Z)
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。