論文の概要: Deep Learning-based Spacecraft Relative Navigation Methods: A Survey
- arxiv url: http://arxiv.org/abs/2108.08876v1
- Date: Thu, 19 Aug 2021 18:54:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-23 13:40:53.565322
- Title: Deep Learning-based Spacecraft Relative Navigation Methods: A Survey
- Title（参考訳）: 深層学習に基づく宇宙船の相対航法:調査
- Authors: Jianing Song, Duarte Rondao, Nabil Aouf
- Abstract要約: 本調査は,現在の深層学習に基づく自律型宇宙船の相対航法について検討することを目的としている。
宇宙船のランデブーや小さな天体や月への着陸など、具体的な軌道の応用に焦点を当てている。
- 参考スコア（独自算出の注目度）: 3.964047152162558
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous spacecraft relative navigation technology has been planned for and
applied to many famous space missions. The development of on-board electronics
systems has enabled the use of vision-based and LiDAR-based methods to achieve
better performances. Meanwhile, deep learning has reached great success in
different areas, especially in computer vision, which has also attracted the
attention of space researchers. However, spacecraft navigation differs from
ground tasks due to high reliability requirements but lack of large datasets.
This survey aims to systematically investigate the current deep learning-based
autonomous spacecraft relative navigation methods, focusing on concrete orbital
applications such as spacecraft rendezvous and landing on small bodies or the
Moon. The fundamental characteristics, primary motivations, and contributions
of deep learning-based relative navigation algorithms are first summarised from
three perspectives of spacecraft rendezvous, asteroid exploration, and terrain
navigation. Furthermore, popular visual tracking benchmarks and their
respective properties are compared and summarised. Finally, potential
applications are discussed, along with expected impediments.
- Abstract（参考訳）: 自律的な宇宙船相対航法技術は、多くの有名な宇宙ミッションに計画され、応用されている。
搭載電子システムの開発により、より良い性能を達成するためにビジョンベースおよびLiDARベースの手法が利用できるようになった。
一方、深層学習は様々な分野で大きな成功を収めており、特にコンピュータビジョンでは宇宙研究者の注目を集めている。
しかし、信頼性は高いが、大きなデータセットがないため、宇宙船の航行は地上の作業とは異なる。
この調査は、現在ディープラーニングに基づく無人宇宙船の相対航法を体系的に調査することを目的としており、宇宙船のランデブーや小天体や月への着陸といった具体的な軌道応用に焦点を当てている。
深層学習に基づく相対航法アルゴリズムの基本的特徴、主な動機、貢献は、まず、探査機ランデブー、小惑星探査、地形航法の3つの観点から要約される。
さらに、人気のあるビジュアルトラッキングベンチマークとその特性を比較して要約する。
最後に、潜在的なアプリケーションは、期待される障害とともに議論される。
関連論文リスト
- Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。
本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。
設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
論文 参考訳（メタデータ） (2024-10-21T09:57:42Z) - Computer vision tasks for intelligent aerospace missions: An overview [10.929595257238548]
コンピュータビジョンタスクは、宇宙船が宇宙環境を理解し、解釈するのを助けるため、航空宇宙ミッションにとって不可欠である。
Kalman FilteringやStructure from Motion、Multi-View Stereoといった従来の手法は、厳しい条件を扱うのに十分な堅牢性を持っていない。
深層学習(DL)に基づく知覚技術は、従来の手法よりも大きな可能性を秘めている。
論文 参考訳（メタデータ） (2024-07-09T02:50:54Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Pixel to Elevation: Learning to Predict Elevation Maps at Long Range using Images for Autonomous Offroad Navigation [10.898724668444125]
本稿では,車載エゴセントリック画像のみをリアルタイムに利用して,長距離の地形標高マップを予測できる学習型アプローチを提案する。
複雑で非構造的な地形における自律型オフロードロボットナビゲーションへの提案手法の適用性を実験的に検証した。
論文 参考訳（メタデータ） (2024-01-30T22:37:24Z) - An Autonomous Vision-Based Algorithm for Interplanetary Navigation [0.0]
視覚に基づくナビゲーションアルゴリズムは、軌道決定法と画像処理パイプラインを組み合わせることで構築される。
光収差と光時間効果の1次近似を提供する新しい解析モデルを開発した。
アルゴリズムの性能は、高忠実な地球-火星間移動で試験される。
論文 参考訳（メタデータ） (2023-09-18T08:54:29Z) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - Active Visual Information Gathering for Vision-Language Navigation [115.40768457718325]
視覚言語ナビゲーション(VLN)は、エージェントがフォトリアリスティックな環境の中でナビゲーションの指示を行うためのタスクである。
VLNの重要な課題の1つは、曖昧な指示による不確実性を緩和し、環境の観察を不十分にすることで、堅牢なナビゲーションを行う方法である。
この研究は、人間のナビゲーション行動からインスピレーションを得て、よりインテリジェントなVLNポリシーのためのアクティブな情報収集能力を持つエージェントを提供する。
論文 参考訳（メタデータ） (2020-07-15T23:54:20Z) - The Final Frontier: Deep Learning in Space [9.85367751757698]
機械学習、特にディープラーニングは、宇宙アプリケーションでの利用が増えている。
高度な計算知性を提供するディープラーニングの能力は、宇宙機器上で様々なタスクを楽にするための魅力的な選択肢である。
衛星画像などの空間データに機械学習の様々な応用を照合し、オンデバイス深層学習が宇宙船の操作を有意義に改善する方法について述べる。
論文 参考訳（メタデータ） (2020-01-27T12:38:27Z) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
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。