論文の概要: Implementation of Artificial Neural Networks for the Nepta-Uranian Interplanetary (NUIP) Mission

• arxiv url: http://arxiv.org/abs/2103.11843v1
• Date: Fri, 19 Mar 2021 13:42:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-26 06:32:43.628271
• Title: Implementation of Artificial Neural Networks for the Nepta-Uranian Interplanetary (NUIP) Mission
• Title（参考訳）: nepta-uranian interplanetary(nuip)ミッションのためのニューラルネットワークの実装
• Authors: Saurabh Gore, Manuel Ntumba
• Abstract要約: 2030年代初頭には海王星、天王星、木星の間の天体のアライメントが実現し、2つの氷の巨人の周囲で惑星のフライオーバー能力を達成するのに十分な運動量が得られる。 nuipミッションの出発窓のための天王星探査機の打ち上げは2030年1月から2035年1月までであり、ミッションの期間は6年から10年である。 提案されたミッションは、フライオーバーを行いながら天王星と海王星のテレメトリデータを収集し、得られたデータを地球に送信してさらなる分析を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A celestial alignment between Neptune, Uranus, and Jupiter will occur in the early 2030s, allowing a slingshot around Jupiter to gain enough momentum to achieve planetary flyover capability around the two ice giants. The launch of the uranian probe for the departure windows of the NUIP mission is between January 2030 and January 2035, and the duration of the mission is between six and ten years, and the launch of the Nepta probe for the departure windows of the NUIP mission is between February 2031 and April 2032 and the duration of the mission is between seven and ten years. To get the most out of alignment. Deep learning methods are expected to play a critical role in autonomous and intelligent spatial guidance problems. This would reduce travel time, hence mission time, and allow the spacecraft to perform well for the life of its sophisticated instruments and power systems up to fifteen years. This article proposes a design of deep neural networks, namely convolutional neural networks and recurrent neural networks, capable of predicting optimal control actions and image classification during the mission. Nepta-Uranian interplanetary mission, using only raw images taken by optimal onboard cameras. It also describes the unique requirements and constraints of the NUIP mission, which led to the design of the communications system for the Nepta-Uranian spacecraft. The proposed mission is expected to collect telemetry data on Uranus and Neptune while performing the flyovers and transmit the obtained data to Earth for further analysis. The advanced range of spectrometers and particle detectors available would allow better quantification of the ice giant's properties.
• Abstract（参考訳）: 2030年代初頭には海王星、天王星、木星の間の天体のアライメントが実現し、2つの氷の巨人の周囲で惑星のフライオーバー能力を達成するのに十分な運動量が得られる。 nuipミッションの出発窓のための天王星探査機の打ち上げは2030年1月から2035年1月までであり、ミッションの期間は6年から10年であり、nuipミッションの出発窓のためのneptaプローブの打ち上げは2031年2月から2032年4月までであり、ミッションの期間は7年から10年である。 最善を尽くすために。 深層学習は、自律的かつインテリジェントな空間誘導問題において重要な役割を果たすことが期待されている。 これにより、旅行時間が短縮され、ミッション時間が短縮され、宇宙船は15年以内の高度な機器や電力システムの寿命を保てるようになる。 本稿では、ミッション中に最適な制御動作と画像分類を予測することができる深層ニューラルネットワーク、すなわち畳み込みニューラルネットワークと繰り返しニューラルネットワークの設計を提案する。 nepta-uranian interplanetary mission(nepta-uranian interplanetary mission) 最適搭載カメラで撮影されたraw画像のみを使用する。 また、nepta-uranian宇宙船の通信システムの設計につながったnuipミッションのユニークな要件と制約についても記述している。 提案されたミッションは、フライオーバーを行いながら天王星と海王星のテレメトリデータを収集し、得られたデータを地球に送信してさらなる分析を行う。 高度な分光計と粒子検出器は、氷の巨人の性質をよりよく定量化できるだろう。

関連論文リスト

• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• An Image Processing Pipeline for Autonomous Deep-Space Optical Navigation [0.0]
  本稿では,無人惑星間航法のための画像からの未解決ビーコン認識と視線抽出のための革新的なパイプラインを提案する。 開発したアルゴリズムは、kベクター法を用いて、恒星以外の物体の識別と統計的確率を利用して、画像中にビーコン射影が見えるかどうかを検出する。
  論文  参考訳（メタデータ） (2023-02-14T09:06:21Z)
• Autonomous Rendezvous with Non-cooperative Target Objects with Swarm Chasers and Observers [0.0]
  宇宙デブリは、通信、航法、その他の用途のための宇宙船の需要が高まっているため、増加傾向にある。 Space Surveillance Network (SSN)は27,000個の巨大な破片を追跡し、追跡不能な小さな破片の数を1,00,000以上と見積もっている。 本稿では,多目的自律型Rendvous Vision-Integrated Navigation System (MARVIN)を紹介する。
  論文  参考訳（メタデータ） (2023-01-22T05:22:11Z)
• Enabling Astronaut Self-Scheduling using a Robust Advanced Modelling and Scheduling system: an assessment during a Mars analogue mission [44.621922701019336]
  アナログ宇宙飛行士の乗組員によるコンピュータ意思決定支援ツールの使用について検討した。 提案されたツールはRomieと呼ばれ、Robost Advanced Modelling and Scheduling (RAMS)システムの新しいカテゴリに属している。
  論文  参考訳（メタデータ） (2023-01-14T21:10:05Z)
• Interstellar Object Accessibility and Mission Design [5.311034944669507]
  恒星間天体(ISO)は、天体の説得力があり、探索されていないカテゴリーである。 我々は、ISOへのフライバイミッションを成功させるための既存のアプローチについて検討する。
  論文  参考訳（メタデータ） (2022-10-26T18:49:43Z)
• 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)
• Prediction of Apophis Asteroid Flyby Optimal Trajectories and Data Fusion of Earth-Apophis Mission Launch Windows using Deep Neural Networks [0.0]
  地球とアポフィスのミッションは、自然実験のユニークな機会を超えた追加の要因と科学的目標によって推進される。 小惑星の強さと内部の完全性を理解することは 科学的な好奇心の問題ではありません 本稿では, 入場からポストランディングまでの各段階において, 効率性に必要な概念ロボットシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-11T21:42:53Z)
• NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge [105.27989489105865]
  本稿では,TEAM CoSTARが開発したアルゴリズム,ハードウェア,ソフトウェアアーキテクチャについて述べる。 NeBula (Networked Belief-Aware Perceptual Autonomy) と呼ばれる当社の自律的ソリューションを紹介します。
  論文  参考訳（メタデータ） (2021-03-21T19:42:26Z)
• Sim-to-Real Transfer for Vision-and-Language Navigation [70.86250473583354]
  本研究では,従来は目に見えなかった環境下でロボットを解放し,制約のない自然言語ナビゲーション指示に従うという課題について検討する。 VLN(Vision-and-Language Navigation)の課題に関する最近の研究は、シミュレーションにおいて大きな進歩を遂げている。 ロボット工学における本研究の意義を評価するため,シミュレーションで訓練されたVLNエージェントを物理ロボットに転送する。
  論文  参考訳（メタデータ） (2020-11-07T16:49:04Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。