論文の概要: Predicting the Probability of Collision of a Satellite with Space
Debris: A Bayesian Machine Learning Approach
- arxiv url: http://arxiv.org/abs/2311.10633v1
- Date: Fri, 17 Nov 2023 16:41:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 13:51:40.279335
- Title: Predicting the Probability of Collision of a Satellite with Space
Debris: A Bayesian Machine Learning Approach
- Title（参考訳）: 衛星と宇宙ゴミの衝突確率の予測--ベイズ型機械学習によるアプローチ
- Authors: Jo\~ao Sim\~oes Catulo, Cl\'audia Soares, Marta Guimar\~aes
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Space is becoming more crowded in Low Earth Orbit due to increased space
activity. Such a dense space environment increases the risk of collisions
between space objects endangering the whole space population. Therefore, the
need to consider collision avoidance as part of routine operations is evident
to satellite operators. Current procedures rely on the analysis of multiple
collision warnings by human analysts. However, with the continuous growth of
the space population, this manual approach may become unfeasible, highlighting
the importance of automation in risk assessment. In 2019, ESA launched a
competition to study the feasibility of applying machine learning in collision
risk estimation and released a dataset that contained sequences of Conjunction
Data Messages (CDMs) in support of real close encounters. The competition
results showed that the naive forecast and its variants are strong predictors
for this problem, which suggests that the CDMs may follow the Markov property.
The proposed work investigates this theory by benchmarking Hidden Markov Models
(HMM) in predicting the risk of collision between two resident space objects by
using one feature of the entire dataset: the sequence of the probability in the
CDMs. In addition, Bayesian statistics are used to infer a joint distribution
for the parameters of the models, which allows the development of robust and
reliable probabilistic predictive models that can incorporate physical or prior
knowledge about the problem within a rigorous theoretical framework and
provides prediction uncertainties that nicely reflect the accuracy of the
predicted risk. This work shows that the implemented HMM outperforms the naive
solution in some metrics, which further adds to the idea that the collision
warnings may be Markovian and suggests that this is a powerful method to be
further explored.
- Abstract（参考訳）: 宇宙活動の増加により、低軌道では宇宙はより混み合っている。
このような密集した宇宙環境は、宇宙全体の人口を危険にさらす宇宙物体間の衝突のリスクを高める。
したがって、通常の運用の一部として衝突回避を考え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。
しかし、宇宙人口の継続的な増加に伴い、この手動アプローチは実現不可能となり、リスクアセスメントにおける自動化の重要性が強調される。
2019年、ESAは衝突リスク推定に機械学習を適用する可能性を調査するコンペティションを開始し、実際の接近をサポートするためにConjunction Data Messages(CDM)のシーケンスを含むデータセットをリリースした。
競争結果から,本問題の予測値とその変種は強い予測因子であり,CDMがマルコフ特性に従う可能性が示唆された。
提案研究は, 隠れマルコフモデル (HMM) を用いて, データセットの1つの特徴であるCDMの確率列を用いて, 2つの居住空間オブジェクト間の衝突の危険を予測した。
さらに、ベイズ統計はモデルのパラメータの合同分布を推定するために使用され、厳密な理論枠組みの中で問題に関する物理的または事前の知識を取り入れ、予測されるリスクの正確さを適切に反映する予測不確実性を提供する、堅牢で信頼性の高い予測モデルの開発を可能にする。
この研究は、実装されたHMMがいくつかのメトリクスにおいて単純解よりも優れており、衝突警告がマルコフ的である可能性をさらに高め、さらに検討すべき強力な方法であることを示唆している。
関連論文リスト
- MAP-Former: Multi-Agent-Pair Gaussian Joint Prediction [6.110153599741102]
交通行動予測モジュールから得られる軌道情報と実際に必要とされるものとの間には,軌道のリスク評価のギャップがある。
既存の予測モデルでは、単一エージェントに対する不確実な重み付きエージェントの将来の軌道の合同予測やガウス確率密度関数(PDF)が得られている。
本稿では, エージェント対共分散行列をシーン中心の方法で予測することに着目し, 動き予測への新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-04-30T06:21:42Z) - Statistical Learning of Conjunction Data Messages Through a Bayesian
Non-Homogeneous Poisson Process [0.0]
衝突回避と宇宙交通管理の現在のアプローチは多くの課題に直面している。
衛星所有者/オペレーターは、衝突回避操作を行う必要があるかどうかを決定するために、資産の衝突リスクを認識しなければならない。
論文 参考訳（メタデータ） (2023-11-09T15:04:14Z) - Predicting the Position Uncertainty at the Time of Closest Approach with
Diffusion Models [0.0]
本研究では,接近する物体の位置不確実性を予測する機械学習モデルを提案する。
その結果,提案手法は宇宙船の安全性と効率を大幅に向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-09T14:54:08Z) - 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) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - CC-Cert: A Probabilistic Approach to Certify General Robustness of
Neural Networks [58.29502185344086]
安全クリティカルな機械学習アプリケーションでは、モデルを敵の攻撃から守ることが不可欠である。
意味的に意味のある入力変換に対して、ディープラーニングモデルの証明可能な保証を提供することが重要である。
我々はChernoff-Cramer境界に基づく新しい普遍確率的証明手法を提案する。
論文 参考訳（メタデータ） (2021-09-22T12:46:04Z) - Heterogeneous-Agent Trajectory Forecasting Incorporating Class
Uncertainty [54.88405167739227]
本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。
さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。
軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
論文 参考訳（メタデータ） (2021-04-26T10:28:34Z) - Congestion-aware Multi-agent Trajectory Prediction for Collision
Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。
学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。
実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文 参考訳（メタデータ） (2021-03-26T02:42:33Z) - 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) - Trust but Verify: Assigning Prediction Credibility by Counterfactual
Constrained Learning [123.3472310767721]
予測信頼性尺度は統計学と機械学習において基本的なものである。
これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。
この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
論文 参考訳（メタデータ） (2020-11-24T19:52:38Z) - Spacecraft Collision Avoidance Challenge: design and results of a
machine learning competition [7.278310799048815]
本稿では,宇宙船衝突回避チャレンジの設計と成果について述べる。
この問題領域に機械学習メソッドを適用する際に学んだ課題と教訓について論じる。
論文 参考訳（メタデータ） (2020-08-07T10:05:20Z)
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。