論文の概要: Asteroid Flyby Cycler Trajectory Design Using Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2111.11858v1
- Date: Tue, 23 Nov 2021 13:31:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-24 21:16:30.997319
- Title: Asteroid Flyby Cycler Trajectory Design Using Deep Neural Networks
- Title（参考訳）: ディープニューラルネットワークを用いた小惑星フライバイサイクラー軌道設計
- Authors: Naoya Ozaki and Kanta Yanagida and Takuya Chikazawa and Nishanth
Pushparaj and Naoya Takeishi and Ryuki Hyodo
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.420321822469076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Asteroid exploration has been attracting more attention in recent years.
Nevertheless, we have just visited tens of asteroids while we have discovered
more than one million bodies. As our current observation and knowledge should
be biased, it is essential to explore multiple asteroids directly to better
understand the remains of planetary building materials. One of the mission
design solutions is utilizing asteroid flyby cycler trajectories with multiple
Earth gravity assists. An asteroid flyby cycler trajectory design problem is a
subclass of global trajectory optimization problems with multiple flybys,
involving a trajectory optimization problem for a given flyby sequence and a
combinatorial optimization problem to decide the sequence of the flybys. As the
number of flyby bodies grows, the computation time of this optimization problem
expands maliciously. This paper presents a new method to design asteroid flyby
cycler trajectories utilizing a surrogate model constructed by deep neural
networks approximating trajectory optimization results. Since one of the
bottlenecks of machine learning approaches is to generate massive trajectory
databases, we propose an efficient database generation strategy by introducing
pseudo-asteroids satisfying the Karush-Kuhn-Tucker conditions. The numerical
result applied to JAXA's DESTINY+ mission shows that the proposed method can
significantly reduce the computational time for searching asteroid flyby
sequences.
- Abstract（参考訳）: 近年、小惑星探査が注目を集めている。
それでも、何千もの小惑星を訪れ、100万人以上の遺体を発見しました。
現在の観測と知識は偏りがあるべきなので、複数の小惑星を直接探査して惑星の建築材料の残骸をよりよく理解することが不可欠である。
ミッション設計の解決策の1つは、複数の地球重力アシストを備えた小惑星フライバイサイクル軌道の利用である。
小惑星フライバイサイクルの軌道設計問題とは、複数のフライバイによるグローバルな軌道最適化問題のサブクラスであり、与えられたフライバイシーケンスに対する軌道最適化問題と、フライバイの順序を決定する組合せ最適化問題を含む。
フライバイボディの数が増加するにつれて、この最適化問題の計算時間は悪質に広がる。
本稿では,軌道最適化結果に近似したディープニューラルネットワークによるサーロゲートモデルを用いた小惑星フライバイサイクラー軌道の設計法を提案する。
機械学習アプローチのボトルネックの1つは、大量のトラジェクトリデータベースを生成することであるため、Karush-Kuhn-Tucker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。
JAXA の DESTINY+ ミッションに適用した数値結果は,提案手法が小惑星フライバイの探索に要する計算時間を著しく短縮できることを示している。
関連論文リスト
- Hazardous Asteroids Classification [0.30977113730786693]
このプロジェクトの目的は、マシンラーニングとディープラーニングを使用して、有害な小惑星を正確に分類することである。
5つの機械学習アルゴリズムと5つのディープラーニングモデルからなる計10の手法が訓練され、その問題を解決する適切なモデルを見つけるために評価される。
論文 参考訳（メタデータ） (2024-09-03T10:37:24Z) - Computing low-thrust transfers in the asteroid belt, a comparison between astrodynamical manipulations and a machine learning approach [4.868863044142366]
低推力軌道は、小惑星帯のミッションにおける科学的出力とコスト効率の最適化に重要な役割を果たしている。
本稿では,新しい解析近似を提案し,その精度と性能を機械学習手法と比較する。
我々は、時間と最適な制御問題を解くことによって発見された約300万の転送のデータセットを構築します。
論文 参考訳（メタデータ） (2024-05-29T09:20:54Z) - Towards Asteroid Detection in Microlensing Surveys with Deep Learning [0.0]
小惑星は、ほとんどの天文学的な調査では確認不可能な部分である。
本稿ではMOAプロジェクトによって収集されたマイクロレンズデータから小惑星の回収と発見のための新しい深層学習ソリューションを提案する。
論文 参考訳（メタデータ） (2022-11-04T03:16:23Z) - Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。
本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。
本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
論文 参考訳（メタデータ） (2022-04-27T13:10:48Z) - 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) - Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
立方体の作動限界における時間-最適軌道の計画は未解決の問題である。
四重項のアクチュエータポテンシャルをフル活用する解を提案する。
我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
論文 参考訳（メタデータ） (2021-08-10T09:26:43Z) - DikpolaSat Mission: Improvement of Space Flight Performance and Optimal
Control Using Trained Deep Neural Network -- Trajectory Controller for Space
Objects Collision Avoidance [0.0]
本稿では,宇宙船を所望の経路に追従させることにより,制御器の実証を行う方法について述べる。
障害回避アルゴリズムは、ニューラルネットワークからの入力を使用して自然に応答する制御機能に組み込まれる。
飛行制御と燃料消費を最適化するための複数のアルゴリズムは、軌道の飛行力学の知識を用いて実装することができる。
論文 参考訳（メタデータ） (2021-05-30T23:35:13Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - A Maximum Independent Set Method for Scheduling Earth Observing
Satellite Constellations [41.013477422930755]
本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。
光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
論文 参考訳（メタデータ） (2020-08-15T19:32:21Z) - Learning to Optimize Non-Rigid Tracking [54.94145312763044]
我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。
まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。
次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
論文 参考訳（メタデータ） (2020-03-27T04:40:57Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。