論文の概要: Machine Learning for Mars Exploration

• arxiv url: http://arxiv.org/abs/2111.11537v1
• Date: Mon, 22 Nov 2021 21:11:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-25 07:21:05.253383
• Title: Machine Learning for Mars Exploration
• Title（参考訳）: 火星探査のための機械学習
• Authors: Ali Momennasab
• Abstract要約: 火星探査の一部は、火星探査機マーズ・エクスプレス・オービター(Mars Express Orbiter)やマーズ・ローバー(Mars rovers)などの宇宙船による火星データの自動収集と分析を通じて行われた。 これらの火星探査宇宙船や地球上で、これらの車両が収集したデータを分析するために使われる自律性は、主に機械学習から成り立っている。 火星探査のための機械学習技術のさらなる応用は、惑星間探査の通信制限と人間のリスクを解決する可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Risk to human astronauts and interplanetary distance causing slow and limited communication drives scientists to pursue an autonomous approach to exploring distant planets, such as Mars. A portion of exploration of Mars has been conducted through the autonomous collection and analysis of Martian data by spacecraft such as the Mars rovers and the Mars Express Orbiter. The autonomy used on these Mars exploration spacecraft and on Earth to analyze data collected by these vehicles mainly consist of machine learning, a field of artificial intelligence where algorithms collect data and self-improve with the data. Additional applications of machine learning techniques for Mars exploration have potential to resolve communication limitations and human risks of interplanetary exploration. In addition, analyzing Mars data with machine learning has the potential to provide a greater understanding of Mars in numerous domains such as its climate, atmosphere, and potential future habitation. To explore further utilizations of machine learning techniques for Mars exploration, this paper will first summarize the general features and phenomena of Mars to provide a general overview of the planet, elaborate upon uncertainties of Mars that would be beneficial to explore and understand, summarize every current or previous usage of machine learning techniques in the exploration of Mars, explore implementations of machine learning that will be utilized in future Mars exploration missions, and explore machine learning techniques used in Earthly domains to provide solutions to the previously described uncertainties of Mars.
• Abstract（参考訳）: 人類の宇宙飛行士へのリスクと惑星間距離の低下と通信の制限により、科学者は火星のような遠い惑星を探索するための自律的なアプローチを追求する。 火星探査の一部は、マーズ・ローバーやマーズ・エクスプレス・オービターなどの宇宙船による火星のデータの自律的な収集と分析を通じて行われている。 これらの火星探査宇宙船と地球で収集されたデータを分析するために使用される自律性は、主に人工知能の分野である機械学習であり、アルゴリズムがデータを収集し、データで自己改善を行う。 火星探査のための機械学習技術のさらなる応用は、惑星間探査の通信制限と人間のリスクを解決する可能性がある。 さらに、火星データを機械学習で分析することで、火星の気候、大気、将来の居住地など、多くの領域における火星の理解を深める可能性がある。 To explore further utilizations of machine learning techniques for Mars exploration, this paper will first summarize the general features and phenomena of Mars to provide a general overview of the planet, elaborate upon uncertainties of Mars that would be beneficial to explore and understand, summarize every current or previous usage of machine learning techniques in the exploration of Mars, explore implementations of machine learning that will be utilized in future Mars exploration missions, and explore machine learning techniques used in Earthly domains to provide solutions to the previously described uncertainties of Mars.

関連論文リスト

• Towards a Reliable Offline Personal AI Assistant for Long Duration Spaceflight [4.382282101149638]
  本稿では, GPT, Retrieval-Augmented Generation (RAG), Knowledge Graphs (KGs), Augmented Reality (AR)を統合したMETISなどの拡張システムを提案する。 そのアイデアは、宇宙飛行士が自然言語のクエリを使って、より直感的に自分のデータと対話し、ARでリアルタイム情報を視覚化できるようにすることだ。
  論文  参考訳（メタデータ） (2024-10-21T18:08:42Z)
• Mars: Situated Inductive Reasoning in an Open-World Environment [77.14465960780726]
  本稿では,位置帰納的推論のために考案された対話型環境であるMarsを設計する。 ランドスケープ、サバイバル設定、タスク依存性を変更することで、反常識的なゲームメカニズムを導入する。 火星では、エージェントは周囲と積極的に対話し、有用なルールを導き、特定の状況下で意思決定タスクを実行する必要がある。
  論文  参考訳（メタデータ） (2024-10-10T17:10:34Z)
• 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)
• Artificial Intelligence to Enhance Mission Science Output for In-situ Observations: Dealing with the Sparse Data Challenge [0.0]
  地球の磁気圏では、低地球軌道を超える専用のプローブが1ダースも存在せず、いつでもその場で観測できる。 機械学習、データマイニング、データ同化を含む新しい人工知能(AI)メソッドは、このスパースデータ課題を満たすために開発する必要がある。
  論文  参考訳（メタデータ） (2022-12-26T20:05:21Z)
• 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)
• GalaxAI: Machine learning toolbox for interpretable analysis of spacecraft telemetry data [48.42042893355919]
  GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。 多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。 本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
  論文  参考訳（メタデータ） (2021-08-03T10:45:20Z)
• Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
  多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。 本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。 学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
  論文  参考訳（メタデータ） (2021-04-12T23:14:41Z)
• Automated identification of transiting exoplanet candidates in NASA Transiting Exoplanets Survey Satellite (TESS) data with machine learning methods [1.9491825010518622]
  AI/ML ThetaRayシステムは当初ケプラー太陽系外惑星のデータで訓練され、確認された太陽系外惑星で検証される。 TESSミッションで発生したしきい値交差イベント(TCE)の10,803光曲線へのThetaRayの適用により、39の新たな惑星候補が発見された。
  論文  参考訳（メタデータ） (2021-02-20T12:28:39Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• Incorporating Physical Knowledge into Machine Learning for Planetary Space Physics [0.0]
  我々は、土星の磁気圏におけるプラズマ不安定性の半教師付き物理に基づく分類を適用した以前の試みを構築した。 これらの軌道上の宇宙船データ特性の知識を取り入れることで、機械学習手法の性能と解釈性が向上することを示す。
  論文  参考訳（メタデータ） (2020-06-02T20:31:29Z)

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。