論文の概要: Precision Mars Entry Navigation with Atmospheric Density Adaptation via
Neural Networks
- arxiv url: http://arxiv.org/abs/2401.14411v1
- Date: Wed, 17 Jan 2024 19:10:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-04 05:41:15.431492
- Title: Precision Mars Entry Navigation with Atmospheric Density Adaptation via
Neural Networks
- Title(参考訳): ニューラルネットワークを用いた大気密度適応型精密火星探査ナビゲーション
- Authors: Felipe Giraldo-Grueso, Andrey A. Popov, Renato Zanetti
- Abstract要約: 真の火星大気密度とオンボード密度モデルとの相違は、宇宙船の航法フィルタの性能を著しく損なう可能性がある。
この研究は、ニューラルネットワークを用いて大気密度を推定し、推定の不確実性を考慮した考察分析を用いることで、火星の突入に対するオンラインフィルタリングに新しいアプローチを導入している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Discrepancies between the true Martian atmospheric density and the onboard
density model can significantly impair the performance of spacecraft entry
navigation filters. This work introduces a new approach to online filtering for
Martian entry by using a neural network to estimate atmospheric density and
employing a consider analysis to account for the uncertainty in the estimate.
The network is trained on an exponential atmospheric density model, and its
parameters are dynamically adapted in real time to account for any mismatches
between the true and estimated densities. The adaptation of the network is
formulated as a maximum likelihood problem, leveraging the measurement
innovations of the filter to identify optimal network parameters. The
incorporation of a neural network enables the use of stochastic optimizers
known for their efficiency in the machine learning domain within the context of
the maximum likelihood approach. Performance comparisons against previous
approaches are conducted in various realistic Mars entry navigation scenarios,
resulting in superior estimation accuracy and precise alignment of the
estimated density with a broad selection of realistic Martian atmospheres
sampled from perturbed Mars-GRAM data.
- Abstract(参考訳): 真の火星大気密度とオンボード密度モデルとの相違は、宇宙船の航法フィルタの性能を著しく損なう可能性がある。
この研究は、ニューラルネットワークを用いて大気密度を推定し、推定の不確実性を考慮した考察分析を用いることで、火星の突入に対するオンラインフィルタリングの新しいアプローチを導入する。
ネットワークは指数的な大気密度モデルに基づいて訓練され、そのパラメータは、真の密度と推定された密度のミスマッチを考慮するためにリアルタイムで動的に適応される。
ネットワークの適応は、最適なネットワークパラメータを識別するためにフィルタの測定革新を活用し、最大極大問題として定式化される。
ニューラルネットワークを組み込むことで、最大確率アプローチのコンテキスト内の機械学習領域における効率性で知られている確率的最適化を利用できるようになる。
従来の手法と性能の比較は、様々なリアルな火星の航法シナリオで行われ、結果として推定密度の推定精度と正確なアライメントが、摂動した火星のグラムデータからサンプリングされた現実的な火星の大気の幅広い選択によって得られた。
関連論文リスト
- Continual Learning of Range-Dependent Transmission Loss for Underwater Acoustic using Conditional Convolutional Neural Net [0.0]
本研究では,遠方界シナリオにおける水中放射音予測のための深層学習モデルの精度向上を目的としている。
そこで本稿では,海洋浴量測定データを入力に組み込んだ新しいレンジ条件畳み込みニューラルネットワークを提案する。
提案アーキテクチャは, 帯域依存性の異なる様々な浴量測定プロファイル上での透過損失を効果的に捕捉する。
論文 参考訳(メタデータ) (2024-04-11T19:13:38Z) - Density Estimation for Entry Guidance Problems using Deep Learning [0.0]
長い短期記憶ニューラルネットワークは、エントリー車両で利用可能な測定値と、それが飛んでいる密度プロファイルの間のマッピングを学習するために訓練される。
訓練されたLSTMは、車両が飛行する密度プロファイルを予測し、既に飛行している密度プロファイルを再構築する。
論文 参考訳(メタデータ) (2023-10-30T16:03:37Z) - An Autonomous Vision-Based Algorithm for Interplanetary Navigation [0.0]
視覚に基づくナビゲーションアルゴリズムは、軌道決定法と画像処理パイプラインを組み合わせることで構築される。
光収差と光時間効果の1次近似を提供する新しい解析モデルを開発した。
アルゴリズムの性能は、高忠実な地球-火星間移動で試験される。
論文 参考訳(メタデータ) (2023-09-18T08:54:29Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - A Neuromorphic Vision-Based Measurement for Robust Relative Localization
in Future Space Exploration Missions [0.0]
本研究では,ニューロモルフィック・ビジョン・ベース・計測(NVBM)と慣性測定の融合に基づくロバストな相対的局所化システムを提案する。
提案システムは様々な実験でテストされ、精度と範囲において最先端のアプローチよりも優れていた。
論文 参考訳(メタデータ) (2022-06-23T08:39:05Z) - Physics-informed machine learning with differentiable programming for
heterogeneous underground reservoir pressure management [64.17887333976593]
地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。
地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。
過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
論文 参考訳(メタデータ) (2022-06-21T20:38:13Z) - Ill-posed Surface Emissivity Retrieval from Multi-Geometry
HyperspectralImages using a Hybrid Deep Neural Network [0.0]
大気補正はリモートセンシングの基本的な課題である。
マルチスキャンハイパースペクトルデータを用いた自動大気補正のために,幾何依存型ハイブリッドニューラルネットワークを提案する。
その結果,提案ネットワークは,29の異なる物質に対して0.02以下の平均絶対誤差 (MAE) で大気特性を正確に評価し,目標放射率スペクトルを推定する能力を有することがわかった。
論文 参考訳(メタデータ) (2021-07-09T18:59:58Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳(メタデータ) (2021-07-05T18:30:26Z) - Hybrid Physics and Deep Learning Model for Interpretable Vehicle State
Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。
ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。
その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文 参考訳(メタデータ) (2021-03-11T15:21:08Z) - Variable Skipping for Autoregressive Range Density Estimation [84.60428050170687]
深部自己回帰モデルを用いた距離密度推定を高速化する手法である可変スキップについて述べる。
可変スキップは、10-100$timesの効率向上をもたらすことを示す。
論文 参考訳(メタデータ) (2020-07-10T19:01:40Z) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳(メタデータ) (2020-03-04T12:27:36Z)
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。