論文の概要: The Exoplanet Citizen Science Pipeline: Human Factors and Machine Learning
- arxiv url: http://arxiv.org/abs/2503.14575v1
- Date: Tue, 18 Mar 2025 15:54:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:21:39.639436
- Title: The Exoplanet Citizen Science Pipeline: Human Factors and Machine Learning
- Title（参考訳）: 太陽系外惑星市民科学パイプライン - ヒューマンファクターと機械学習
- Authors: Oisín Creaner, Anna Preis, Cormac Ryan, Nika Gorchakova,
- Abstract要約: 市民科学者による太陽系外惑星観測のプロセスの合理化と簡素化に向けた作業の進捗について述べる。
ExoClockやExoplanet Watchのような国際的な協力により、市民科学者は小さな望遠鏡を使ってトランジット観測を行うことができる。
私たちのプロジェクトは、これらのコミュニティと密接に連携して、観察パイプラインを合理化し、より広範な参加を可能にします。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: We present the progress of work to streamline and simplify the process of exoplanet observation by citizen scientists. International collaborations such as ExoClock and Exoplanet Watch enable citizen scientists to use small telescopes to carry out transit observations. These studies provide essential supports for space missions such as JWST and ARIEL. Contributions include maintenance or recovery of ephemerides, follow up confirmation and transit time variations. Ongoing observation programs benefit from a large pool of observers, with a wide variety of experience levels. Our projects work closely with these communities to streamline their observation pipelines and enable wider participation. Two complementary approaches are taken: Star Guide applies human-centric design and community consultation to identify points of friction within existing systems and provide complementary online tools and resources to reduce barriers to entry to the observing community. Machine Learning is used to accelerate data processing and automate steps which are currently manual, providing a streamlined tool for citizen science and a scalable solution for large-scale archival research.
- Abstract（参考訳）: 市民科学者による太陽系外惑星観測のプロセスの合理化と簡素化に向けた作業の進捗について述べる。
ExoClockやExoplanet Watchのような国際的な協力により、市民科学者は小さな望遠鏡を使ってトランジット観測を行うことができる。
これらの研究は、JWSTやARIELのような宇宙ミッションに不可欠な支援を提供する。
貢献には、エフェメリドの維持または回復、確認と通過時間の変化が含まれる。
進行中の観測プログラムは、様々な経験レベルを持つ観測者の大きなプールから恩恵を受ける。
私たちのプロジェクトは、これらのコミュニティと密接に連携して、観察パイプラインを合理化し、より広範な参加を可能にします。
Star Guideは、人間中心の設計とコミュニティコンサルテーションを適用し、既存のシステム内の摩擦点を特定し、観察コミュニティへの参入障壁を減らすための補完的なオンラインツールとリソースを提供する。
機械学習は、データ処理を加速し、現在手動であるステップを自動化するために使用され、市民科学のための合理化されたツールと、大規模考古学研究のためのスケーラブルなソリューションを提供する。
関連論文リスト
- StarWhisper Telescope: Agent-Based Observation Assistant System to Approach AI Astrophysicist [22.134144774032002]
Nearby Galaxy Supernovae Survey (NGSS) プロジェクトは、3つの観測地点にわたる8つの望遠鏡を含む。
我々は、観測過程全体を管理するためのtextbfStarWhisper Telescope System を開発した。
論文 参考訳（メタデータ） (2024-12-09T11:40:06Z) - Assessing Exoplanet Habitability through Data-driven Approaches: A
Comprehensive Literature Review [0.0]
レビューは、太陽系外惑星研究における新たなトレンドと進歩を照らすことを目的としている。
太陽系外惑星の検出、分類、可視化の相互作用に焦点を当てる。
太陽系外惑星研究で使用される機械学習アプローチの幅広いスペクトルを記述する。
論文 参考訳（メタデータ） (2023-05-18T17:18:15Z) - Lessons Learned from a Citizen Science Project for Natural Language
Processing [53.48988266271858]
市民科学はクラウドソーシングの代替であり、NLPの文脈では比較的研究されていない。
我々は、既存のクラウドソースデータセットの一部を注釈付けすることで、NLPの市民科学における様々なボランティアグループへの参加について探索的研究を行う。
この結果から,高品質なアノテーションが得られ,モチベーションの高いボランティアを惹きつけるだけでなく,スケーラビリティや時間的関与,法的・倫理的問題といった要因も考慮する必要があることが示唆された。
論文 参考訳（メタデータ） (2023-04-25T14:08:53Z) - Discovering Long-period Exoplanets using Deep Learning with Citizen
Science Labels [27.92211254318365]
我々は、PHTボランティアスコアをトレーニングデータとして、惑星移動を分類するために、1次元畳み込みニューラルネットワークを訓練する。
我々は、ボランティアスコアを使用することで、合成データよりもパフォーマンスが大幅に向上し、既知の惑星の回復を可能にすることを発見した。
論文 参考訳（メタデータ） (2022-11-13T13:33:34Z) - Survey of Deep Learning for Autonomous Surface Vehicles in the Marine
Environment [15.41166179659646]
今後数年以内に、幅広い用途で利用できる高度な自動運転技術が提供される予定だ。
本稿では,ASV関連分野におけるディープラーニング(DL)手法の実装に関する既存研究について検討する。
論文 参考訳（メタデータ） (2022-10-16T08:46:17Z) - Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of
Demonstrations for Social Navigation [92.66286342108934]
社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。
私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
論文 参考訳（メタデータ） (2022-03-28T19:09:11Z) - Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。
市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。
本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
論文 参考訳（メタデータ） (2021-10-05T12:51:11Z) - Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。
本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
論文 参考訳（メタデータ） (2021-07-07T12:09:04Z) - Nigraha: Machine-learning based pipeline to identify and evaluate planet
candidates from TESS [0.8539683760001573]
トランジット太陽系外惑星探査衛星(TESS)は現在2年あまり運用されており、北半球と南半球をカバーしている。
2千以上の惑星候補が発見されており、そのうち数十は惑星として確認されている。
これらのアプローチを補完するパイプラインであるNigrahaを紹介します。
オープンデータ探索の精神で、パイプラインの詳細を提供し、教師付き機械学習モデルとコードをオープンソースとしてリリースし、7つのセクターで見つけた38の候補者を公開します。
論文 参考訳（メタデータ） (2021-01-22T17:17:54Z) - Batch Exploration with Examples for Scalable Robotic Reinforcement
Learning [63.552788688544254]
BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。
BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
論文 参考訳（メタデータ） (2020-10-22T17:49:25Z) - Planning to Explore via Self-Supervised World Models [120.31359262226758]
Plan2Exploreは自己監督型強化学習エージェントである。
我々は、自己監督型探索と、新しいタスクへの迅速な適応に対する新しいアプローチを提案する。
Plan2Exploreは、訓練の監督やタスク固有の相互作用がなければ、自己監督型の探査方法よりも優れている。
論文 参考訳（メタデータ） (2020-05-12T17:59:45Z)
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。