論文の概要: Reentry Risk and Safety Assessment of Spacecraft Debris Based on Machine Learning

• arxiv url: http://arxiv.org/abs/2302.10530v1
• Date: Tue, 21 Feb 2023 08:55:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 15:48:17.475111
• Title: Reentry Risk and Safety Assessment of Spacecraft Debris Based on Machine Learning
• Title（参考訳）: 機械学習に基づく宇宙船デブリの再突入リスクと安全性評価
• Authors: Hu Gao and Zhihui Li and Depeng Dang and Jingfan Yang and Ning Wang
• Abstract要約: 宇宙機デブリ着陸地点の速度, 経度, 緯度を予測するために, 3つの機械学習モデルを導入する。 我々は、再突入リスクと危険度を定義し、各宇宙船の残骸の危険度を算出し、それに応じて警告を行う。 実験の結果,提案手法は,少なくとも15秒で高精度な予測結果を得ることができ,よりリアルタイムに安全レベルの警告を行うことができることがわかった。
• 参考スコア（独自算出の注目度）: 8.671030148920009
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Uncontrolled spacecraft will disintegrate and generate a large amount of debris in the reentry process, and ablative debris may cause potential risks to the safety of human life and property on the ground. Therefore, predicting the landing points of spacecraft debris and forecasting the degree of risk of debris to human life and property is very important. In view that it is difficult to predict the process of reentry process and the reentry point in advance, and the debris generated from reentry disintegration may cause ground damage for the uncontrolled space vehicle on expiration of service. In this paper, we adopt the object-oriented approach to consider the spacecraft and its disintegrated components as consisting of simple basic geometric models, and introduce three machine learning models: the support vector regression (SVR), decision tree regression (DTR) and multilayer perceptron (MLP) to predict the velocity, longitude and latitude of spacecraft debris landing points for the first time. Then, we compare the prediction accuracy of the three models. Furthermore, we define the reentry risk and the degree of danger, and we calculate the risk level for each spacecraft debris and make warnings accordingly. The experimental results show that the proposed method can obtain high accuracy prediction results in at least 15 seconds and make safety level warning more real-time.
• Abstract（参考訳）: 無制御の宇宙船は再突入の過程で大量のデブリを分解し生成し、アブレイティブデブリは地上の生命と財産の安全性に潜在的なリスクを引き起こす可能性がある。 したがって、宇宙船の残骸の着陸地点を予測し、人命と財産に対する破片の危険度を予測することが非常に重要である。 再突入過程と再突入点を事前に予測することは困難であり、再突入崩壊によって発生する破片は、無制御の宇宙船の運用終了時に地上の損傷を引き起こす可能性がある。 本稿では, 宇宙船とその分解した部品を単純な幾何学的モデルから構成するオブジェクト指向手法を採用し, 支持ベクトル回帰(SVR), 決定木回帰(DTR), 多層パーセプトロン(MLP)の3つの機械学習モデルを導入し, 宇宙船デブリ着陸地点の速度, 経度, 緯度を初めて予測した。 次に,3つのモデルの予測精度を比較した。 さらに、再突入リスクと危険度を定義し、各宇宙船の残骸の危険度を算出し、それに応じて警告を行う。 実験の結果,提案手法は,少なくとも15秒で高精度な予測結果を得ることができ,安全性レベル警告をよりリアルタイムに行えることがわかった。

関連論文リスト

• AI-Driven Risk-Aware Scheduling for Active Debris Removal Missions [0.0]
  低地球軌道でのデブリは、宇宙の持続可能性と宇宙船の安全性に対する重大な脅威である。 装甲輸送車両(OTV)は破片の軌道離脱を促進し、将来の衝突リスクを減らす。 深部補強学習(DRL)に基づく装甲決定計画モデルを構築し,OTVを最適デブリ除去シークエンシングを計画する。 提案手法を用いることで、最適なミッションプランを見つけ、衝突リスクの高い破片のリスクハンドリングを含む自律的に計画の更新を学べることが示されている。
  論文  参考訳（メタデータ） (2024-09-25T15:16:07Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Evaluating Frontier Models for Dangerous Capabilities [59.129424649740855]
  危険な能力」の評価プログラムを導入し、Gemini 1.0モデルで試行する。 評価対象は,(1)説得と騙し,(2)サイバーセキュリティ,(3)自己増殖,(4)自己推論の4分野である。 我々の目標は、将来のモデルに備えて、危険な能力評価の厳格な科学を前進させることです。
  論文  参考訳（メタデータ） (2024-03-20T17:54:26Z)
• Predicting the Probability of Collision of a Satellite with Space Debris: A Bayesian Machine Learning Approach [0.0]
  宇宙は、宇宙活動の増大により、ローアース軌道でさらに混雑している。 定期的な運用の一環として衝突回避を検討する必要性は、衛星運用者にとって明らかである。 現在の手順は、人間アナリストによる多重衝突警告の分析に依存している。
  論文  参考訳（メタデータ） (2023-11-17T16:41:35Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• A machine learning and feature engineering approach for the prediction of the uncontrolled re-entry of space objects [1.0205541448656992]
  低地球軌道(LEO)における未制御物体の再突入予測のための深層学習モデルの開発について述べる。 このモデルはSequence-to-Sequenceアーキテクチャの修正版に基づいており、400体以上のTLE(Two-Line Element)データから得られた平均高度プロファイルに基づいて訓練されている。 この研究の斬新さは、平均高度とともに、ドラッグライクな係数(B*)、平均太陽指数、物体の面積と質量比の3つの新しい入力特徴を含むディープラーニングモデルの導入である。
  論文  参考訳（メタデータ） (2023-03-17T13:53:59Z)
• Detection and Initial Assessment of Lunar Landing Sites Using Neural Networks [0.0]
  本稿では、誘導システムにおける着陸可能地域の初期評価を生成するために、受動的自律型ハザード検出と回避サブシステムに焦点を当てる。 このシステムは単一のカメラとMobileNetV2ニューラルネットワークアーキテクチャを使って、安全な着陸地点と岩や影、クレーターなどの危険を検知し、識別する。
  論文  参考訳（メタデータ） (2022-07-23T04:29:18Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• 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)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。