論文の概要: Explainable AI-Enhanced Supervisory Control for High-Precision Spacecraft Formation
- arxiv url: http://arxiv.org/abs/2509.13331v1
- Date: Tue, 09 Sep 2025 04:41:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.523491
- Title: Explainable AI-Enhanced Supervisory Control for High-Precision Spacecraft Formation
- Title（参考訳）: 高精度宇宙機形成のための説明可能なAI強化スーパーバイザ制御
- Authors: Reza Pirayeshshirazinezhad,
- Abstract要約: 我々は、人工知能(AI)と監視適応制御システムを用いて、正確な宇宙船形成のミッションを計画し、最適化する。
機械学習とロバスト制御により、VTXO(Virtual Telescope for X-ray Observation)宇宙ミッションの効率が向上する。
その結果、エネルギー消費の削減とミッション精度の向上が示され、システムの動的不確実性や乱れに対処する能力が実証された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We use artificial intelligence (AI) and supervisory adaptive control systems to plan and optimize the mission of precise spacecraft formation. Machine learning and robust control enhance the efficiency of spacecraft precision formation of the Virtual Telescope for X-ray Observation (VTXO) space mission. VTXO is a precise formation of two separate spacecraft making a virtual telescope with a one-kilometer focal length. One spacecraft carries the lens and the other spacecraft holds the camera to observe high-energy space objects in the X-ray domain with 55 milli-arcsecond angular resolution accuracy. Timed automata for supervisory control, Monte Carlo simulations for stability and robustness evaluation, and integration of deep neural networks for optimal estimation of mission parameters, satisfy the high precision mission criteria. We integrate deep neural networks with a constrained, non-convex dynamic optimization pipeline to predict optimal mission parameters, ensuring precision mission criteria are met. AI framework provides explainability by predicting the resulting energy consumption and mission error for a given set of mission parameters. It allows for transparent, justifiable, and real-time trade-offs, a capability not present in traditional adaptive controllers. The results show reductions in energy consumption and improved mission accuracy, demonstrating the capability of the system to address dynamic uncertainties and disturbances.
- Abstract（参考訳）: 我々は、人工知能(AI)と監視適応制御システムを用いて、正確な宇宙船形成のミッションを計画し、最適化する。
機械学習とロバスト制御により、VTXO(Virtual Telescope for X-ray Observation)宇宙ミッションの精度が向上した。
VTXOは、1キロの焦点距離を持つ仮想望遠鏡を作る2つの別々の宇宙船の正確な構成である。
1つの宇宙船はレンズを持ち、もう1つの宇宙船はカメラを持ち、55ミリ秒の角分解能の精度でX線領域の高エネルギー宇宙物体を観測する。
監視制御のためのタイムオートマトン、安定性とロバスト性評価のためのモンテカルロシミュレーション、ミッションパラメータの最適推定のためのディープニューラルネットワークの統合は、高精度なミッション基準を満たす。
深層ニューラルネットワークと非凸動的最適化パイプラインを統合し、最適なミッションパラメータを予測し、精度の高いミッション基準を満たすことを保証する。
AIフレームワークは、与えられたミッションパラメータセットの結果として生じるエネルギー消費とミッションエラーを予測することによって、説明可能性を提供する。
透過的で、正当化可能で、リアルタイムなトレードオフを可能にし、従来の適応型コントローラには存在しない。
その結果、エネルギー消費の削減とミッション精度の向上が示され、システムの動的不確実性や乱れに対処する能力が実証された。
関連論文リスト
- ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
ASTREAは、自律的な宇宙船運用のためにTRL 9に配備された最初のエージェントシステムである。
我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:52:13Z) - AQ-PCDSys: An Adaptive Quantized Planetary Crater Detection System for Autonomous Space Exploration [0.0]
本稿では,アダプティブ量子化惑星クレーター検出システム(AQ-PCDSys)を紹介する。
AQ-PCDSysは量子化ニューラルネットワーク(QNN)アーキテクチャを統合し、量子化認識トレーニング(QAT)を用いてトレーニングする
AMFモジュールは、光学画像(OI)とDEM(Digital Elevation Models)のデータを特徴レベルでインテリジェントに融合する。
論文 参考訳（メタデータ） (2025-08-25T13:44:00Z) - TLE-Based A2C Agent for Terrestrial Coverage Orbital Path Planning [0.0]
低地球軌道(LEO)の混雑は、地球観測衛星の効率的な展開と安全な運用に永続的な課題をもたらす。
本研究では,Advantage Actor-Critic (A2C) アルゴリズムを用いて衛星軌道パラメータを精密な地上被覆のために最適化する強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-14T17:44:51Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - EnerVerse: Envisioning Embodied Future Space for Robotics Manipulation [55.26713167507132]
本稿では,エンボディ空間の構築と解釈を行う生成ロボティクス基礎モデルを提案する。
EnerVerseは、自己回帰的ビデオ拡散フレームワークを使用して、命令から将来のエンボディドスペースを予測する。
本稿では,生成モデルと4次元ガウススプラッティングを組み合わせたデータエンジンパイプラインであるEnerVerse-Dについて述べる。
論文 参考訳（メタデータ） (2025-01-03T17:00:33Z) - On-orbit Servicing for Spacecraft Collision Avoidance With Autonomous Decision Making [0.0]
本研究は、宇宙船衝突回避演習(CAM)を支援するために、AIによるOOSミッションの実装を開発する。
本稿では、RL(Reinforcement Learning)を用いて訓練された自律型サーベイラを提案し、ターゲット衛星と宇宙デブリの衝突を自律的に検出し、絶滅危惧衛星とのランデブーとドッキングを行い、最適なCAMを実行する。
論文 参考訳（メタデータ） (2024-09-25T17:40:37Z) - Optimality Principles in Spacecraft Neural Guidance and Control [16.59877059263942]
我々は、エンドツーエンドの神経誘導と制御アーキテクチャ(以下、G&CNetと呼ばれる)は、最適な原則に従って行動することの重荷をオンボードで転送できると主張している。
このようにして、センサー情報はリアルタイムで最適な計画に変換され、ミッションの自律性と堅牢性が向上する。
本稿では、惑星間移動、着陸、近接操作のシミュレーションにおいて、そのようなニューラルネットワークのトレーニングにおいて得られた主な成果について論じる。
論文 参考訳（メタデータ） (2023-05-22T14:48:58Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Real-Time Optimal Guidance and Control for Interplanetary Transfers
Using Deep Networks [10.191757341020216]
最適な例の模倣学習は、ネットワークトレーニングパラダイムとして使用される。
G&CNETは、宇宙船の最適誘導制御システムの実装をオンボードでリアルタイムに行うのに適している。
論文 参考訳（メタデータ） (2020-02-20T23:37:43Z)
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。