論文の概要: dLITE: Differentiable Lighting-Informed Trajectory Evaluation for On-Orbit Inspection
- arxiv url: http://arxiv.org/abs/2512.16011v1
- Date: Wed, 17 Dec 2025 22:40:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.397783
- Title: dLITE: Differentiable Lighting-Informed Trajectory Evaluation for On-Orbit Inspection
- Title（参考訳）: dLITE:軌道上インスペクションのための微分照明インフォームド軌道評価
- Authors: Jack Naylor, Raghav Mishra, Nicholas H. Barbara, Donald G. Dansereau,
- Abstract要約: $partial$LITEは、軌道上のインスペクション操作のためのエンドツーエンドの微分可能なシミュレーションパイプラインである。
我々は、最先端の微分可能レンダリングツールとカスタム軌道プロパゲータを活用し、軌道パラメータのエンドツーエンドの最適化を可能にする。
私たちの異なる検査計画パイプラインは、その種の最初のもので、宇宙船のミッション計画に対する現代の計算アプローチに関する新たな洞察を提供する。
- 参考スコア（独自算出の注目度）: 2.7532313761753713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual inspection of space-borne assets is of increasing interest to spacecraft operators looking to plan maintenance, characterise damage, and extend the life of high-value satellites in orbit. The environment of Low Earth Orbit (LEO) presents unique challenges when planning inspection operations that maximise visibility, information, and data quality. Specular reflection of sunlight from spacecraft bodies, self-shadowing, and dynamic lighting in LEO significantly impact the quality of data captured throughout an orbit. This is exacerbated by the relative motion between spacecraft, which introduces variable imaging distances and attitudes during inspection. Planning inspection trajectories with the aide of simulation is a common approach. However, the ability to design and optimise an inspection trajectory specifically to improve the resulting image quality in proximity operations remains largely unexplored. In this work, we present $\partial$LITE, an end-to-end differentiable simulation pipeline for on-orbit inspection operations. We leverage state-of-the-art differentiable rendering tools and a custom orbit propagator to enable end-to-end optimisation of orbital parameters based on visual sensor data. $\partial$LITE enables us to automatically design non-obvious trajectories, vastly improving the quality and usefulness of attained data. To our knowledge, our differentiable inspection-planning pipeline is the first of its kind and provides new insights into modern computational approaches to spacecraft mission planning. Project page: https://appearance-aware.github.io/dlite/
- Abstract（参考訳）: 宇宙からの資産の視界検査は、軌道上の高価値衛星の寿命を計画し、損傷を特徴づけ、拡張しようとする宇宙船オペレーターへの関心が増している。
低地球軌道(LEO)の環境は、可視性、情報、データ品質を最大化する検査操作を計画する際、ユニークな課題を示す。
探査機の天体からの日光の反射、自影、LEOのダイナミック照明は、軌道を横断するデータの品質に大きな影響を及ぼした。
これは、宇宙船間の相対的な動きによって悪化し、検査中に様々な撮像距離と姿勢をもたらす。
シミュレーションの先駆者による検査軌道の計画は一般的なアプローチである。
しかし, 近接操作における画像品質向上のために, 検査軌道を設計, 最適化する能力については, 未検討のままである。
本稿では,軌道上インスペクション操作のためのエンドツーエンドの微分可能なシミュレーションパイプラインである$\partial$LITEを紹介する。
我々は、最先端の微分可能レンダリングツールとカスタム軌道プロパゲータを活用し、視覚センサデータに基づく軌道パラメータのエンドツーエンドの最適化を可能にする。
$\partial$LITEは、不要なトラジェクトリを自動的に設計し、到達したデータの品質と有用性を大幅に改善します。
我々の知る限り、我々の異なる検査計画パイプラインは、その種の最初のものであり、宇宙船のミッション計画に対する現代の計算手法に関する新たな洞察を提供する。
プロジェクトページ: https://appearance-aware.github.io/dlite/
関連論文リスト
- Perception-Aware Autonomous Exploration in Feature-Limited Environments [9.046854275196605]
ステレオ搭載無人航空機(UAV)のための階層的知覚認識探索フレームワークを提案する。
提案手法は,グローバルな特徴マップを用いて,各候補フロンティアと期待される特徴品質を関連付け,視覚的に有意なサブゴールを優先する。
提案手法は,特徴品質を無視し,かつ連続ヨーを最適化しないベースラインと比較して,より信頼性の高い特徴追跡を維持でき,ドリフトを低減でき,また,オドメトリ誤差が特定の閾値を超える前に平均30%高いカバレッジを達成できる。
論文 参考訳（メタデータ） (2026-03-16T17:55:56Z) - Enhancing Eye Feature Estimation from Event Data Streams through Adaptive Inference State Space Modeling [68.1289208938377]
イベントベースのデータストリームから目の特徴抽出を効率的かつ低エネルギーで行うことができる。
本稿では,特徴抽出のための新しいアーキテクチャである強調型推論状態空間モデル(AISSM)を紹介する。
また、トレーニング効率を向上させる新しい学習手法を開発・評価する。
論文 参考訳（メタデータ） (2026-03-14T18:47:08Z) - Less Is More: Scalable Visual Navigation from Limited Data [19.38572888745551]
古典的幾何学的プランナーをいかに利用して,コストのかかる人間の実証を補完する合成軌道を生成するかを示す。
我々は、トランスフォーマーベースのビジュアルナビゲーションポリシーであるLess is More (LiMo)を訓練し、プランナーが生成する監督による限られた専門家によるデモンストレーションが、かなりのパフォーマンス向上をもたらすことを発見した。
論文 参考訳（メタデータ） (2026-01-25T12:44:23Z) - An Edge AI Solution for Space Object Detection [29.817805350971366]
宇宙物体検出タスクのための深層学習に基づく視覚センシングに基づくエッジAIソリューションを提案する。
我々は,これらのモデルの性能を,様々な現実的な空間オブジェクト検出シナリオで評価する。
論文 参考訳（メタデータ） (2025-05-08T14:51:19Z) - Learning Satellite Pattern-of-Life Identification: A Diffusion-based Approach [10.811177660290726]
衛星の挙動をモニターする現在のアプローチは、専門家の知識と低スケールのルールベースのシステムに依存している。
本稿では, 専門知識への依存を著しく排除する, 衛星パタン・オブ・ライフ(PoL)識別のための新しい生成手法を提案する。
実際の衛星データを用いたケーススタディでは、運用行動パターンの識別、追跡の強化、空間状況認識に対するアプローチの変容の可能性が確認されている。
論文 参考訳（メタデータ） (2024-12-14T12:39:19Z) - 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) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳（メタデータ） (2023-08-01T09:14:20Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - Space Non-cooperative Object Active Tracking with Deep Reinforcement
Learning [1.212848031108815]
DRLAVTと命名されたDQNアルゴリズムに基づくエンドツーエンドのアクティブなトラッキング手法を提案する。
追尾宇宙船のアプローチを、色やRGBD画像にのみ依存した任意の空間の非協力目標に導くことができる。
位置ベースのビジュアルサーボベースラインアルゴリズムでは、最先端の2DモノクロトラッカーであるSiamRPNをはるかに上回っている。
論文 参考訳（メタデータ） (2021-12-18T06:12:24Z) - AOT: Appearance Optimal Transport Based Identity Swapping for Forgery
Detection [76.7063732501752]
顔偽造検出のための外観の相違が大きい新しい識別スワップアルゴリズムを提案する。
外観のギャップは主に、照明と肌の色における大きな相違から生じる。
実画像パッチと偽画像パッチの混在とを識別するために識別器を導入する。
論文 参考訳（メタデータ） (2020-11-05T06:17:04Z)
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。