論文の概要: Machine Learning in Orbit Estimation: a Survey
- arxiv url: http://arxiv.org/abs/2207.08993v1
- Date: Tue, 19 Jul 2022 00:17:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-20 14:32:12.940960
- Title: Machine Learning in Orbit Estimation: a Survey
- Title（参考訳）: 軌道推定における機械学習:サーベイ
- Authors: Francisco Caldas and Cl\'audia Soares
- Abstract要約: 約100万個の天体が現在地球を公転していると推定されている。
現在の物理学に基づく手法では、7日間の予測でキロメートルの誤差がある。
この分野で現在行われている作業の概要について概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the late '50s, when the first artificial satellite was launched, the
number of resident space objects (RSOs) has steadily increased. It is estimated
that around 1 Million objects larger than 1 cm are currently orbiting the
Earth, with only 30,000, larger than 10 cm, presently being tracked. To avert a
chain reaction of collisions, termed Kessler Syndrome, it is indispensable to
accurately track and predict space debris and satellites' orbit alike. Current
physics-based methods have errors in the order of kilometres for 7 days
predictions, which is insufficient when considering space debris that have
mostly less than 1 meter. Typically, this failure is due to uncertainty around
the state of the space object at the beginning of the trajectory, forecasting
errors in environmental conditions such as atmospheric drag, as well as
specific unknown characteristics such as mass or geometry of the RSO.
Leveraging data-driven techniques, namely machine learning, the orbit
prediction accuracy can be enhanced: by deriving unmeasured objects'
characteristics, improving non-conservative forces' effects, and by the
superior abstraction capacity that Deep Learning models have of modelling
highly complex non-linear systems. In this survey, we provide an overview of
the current work being done in this field.
- Abstract（参考訳）: 最初の人工衛星が打ち上げられた50年代後半以降、有人宇宙物体(rsos)の数は着実に増え続けており、現在地球を周回している物体は1cm以上約100万個、現在追跡されているのは10cm以下と推定されている。ケスラー症候群と呼ばれる衝突の連鎖反応を回避するためには、宇宙デブリや衛星の軌道を正確に追跡し予測することが不可欠である。
現在の物理学に基づく手法では、7日間の予測でキロの誤差があり、1メートル未満の宇宙デブリを考えると不十分である。
典型的には、この故障は軌道の初めの宇宙物体の状態に関する不確実性によるもので、大気抵抗などの環境条件の誤差や、質量やrsoの幾何学のような特定の未知の特性が予測される。
データ駆動技術、すなわち機械学習を利用することで、未測定物体の特性を導出し、非保守力の効果を改善し、Deep Learningモデルが高度に複雑な非線形システムをモデル化する優れた抽象化能力によって、軌道予測精度を向上させることができる。
本稿では,この分野で現在行われている作業の概要について報告する。
関連論文リスト
- Structure from Motion-based Motion Estimation and 3D Reconstruction of Unknown Shaped Space Debris [3.037387520023979]
本稿では,限られた資源で未知形状の空間デブリの運動推定を行うための,動きに基づく構造的アルゴリズムを提案する。
本手法は, 微小重力実験により生成した現実的な画像データセットを用いて, 2次元気流実験場と3次元運動学シミュレーションを用いて検証した。
論文 参考訳（メタデータ） (2024-08-02T06:18:39Z) - Precise and Efficient Orbit Prediction in LEO with Machine Learning using Exogenous Variables [1.9336815376402723]
地球の軌道における宇宙物体の量の増加は、宇宙状況認識(Space situational Awareness, SSA)にとって重要な課題である。
正確な軌道予測は、宇宙物体の位置と速度を予測し、衝突回避と宇宙デブリの緩和のために重要である。
機械学習と時系列技術を用いることで、計算コストが非常に低い位置決め誤差を発生させることができることを示す。
論文 参考訳（メタデータ） (2024-07-03T07:12:33Z) - Physics-Informed Neural Networks for Satellite State Estimation [0.0]
本稿では、衛星の軌道状態と連続低振幅加速度プロファイルを推定するためのPINNの適用について詳述する。
PINNを用いた純粋物理モデルの性能を観測残差および観測範囲を超えた伝播精度の観点から評価した。
論文 参考訳（メタデータ） (2024-03-28T14:54:57Z) - Uncovering the Missing Pattern: Unified Framework Towards Trajectory
Imputation and Prediction [60.60223171143206]
軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。
現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。
本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-28T14:27:27Z) - Towards Spatial Equilibrium Object Detection [88.9747319572368]
本稿では,現代物体検出器の空間的不平衡問題について考察する。
本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。
これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
論文 参考訳（メタデータ） (2023-01-14T17:33:26Z) - Resolving the gravitational redshift within a millimeter atomic sample [94.94540201762686]
アインシュタインの一般相対性理論では、異なる重力ポテンシャルの時計は異なる速度でくつろいでいる。
超低温ストロンチウムの1ミリスケール試料中の重力赤方偏移と整合した線形周波数勾配を測定した。
論文 参考訳（メタデータ） (2021-09-24T23:58:35Z) - Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。
既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。
本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
論文 参考訳（メタデータ） (2021-07-29T17:41:34Z) - Towards Automated Satellite Conjunction Management with Bayesian Deep
Learning [0.0]
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。
論文 参考訳（メタデータ） (2020-12-23T02:16:54Z) - 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) - Occlusion resistant learning of intuitive physics from videos [52.25308231683798]
人工システムの鍵となる能力は、オブジェクト間の物理的相互作用を理解し、状況の将来的な結果を予測することである。
この能力は直感的な物理学と呼ばれ、近年注目されており、ビデオシーケンスからこれらの物理規則を学ぶためのいくつかの方法が提案されている。
論文 参考訳（メタデータ） (2020-04-30T19:35:54Z) - A Spatial-Temporal Attentive Network with Spatial Continuity for
Trajectory Prediction [74.00750936752418]
空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。
まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。
第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
論文 参考訳（メタデータ） (2020-03-13T04:35:50Z)
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。