論文の概要: From Design to Deorbit: A Solar-Electric Autonomous Module for Multi-Debris Remediation

• arxiv url: http://arxiv.org/abs/2601.12830v1
• Date: Mon, 19 Jan 2026 08:40:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.83863
• Title: From Design to Deorbit: A Solar-Electric Autonomous Module for Multi-Debris Remediation
• Title（参考訳）: 設計から軌道離脱へ:マルチデブリ修復のためのソーラー・エレクトロリック・自律モジュール
• Authors: Om Mishra, Jayesh Patil, Sathwik Narkedimilli, G Srikantha Sharma, Ananda S, Manjunath K Vanahalli,
• Abstract要約: 軌道上のデブリの蓄積がエスカレートすると、宇宙活動の持続可能性も脅かされる。 本研究は,安全な捕獲のための機械式クラッピングシステムを統合する,新しい修復アーキテクチャを提案する。 高忠実度シミュレーションはアーキテクチャの能力を検証し、800kmから100kmの軌道を逆行することに成功した。
• 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: The escalating accumulation of orbital debris threatens the sustainability of space operations, necessitating active removal solutions that overcome the limitations of current fuel-dependent methods. To address this, this study introduces a novel remediation architecture that integrates a mechanical clamping system for secure capture with a high-efficiency, solar-powered NASA Evolutionary Xenon Thruster (NEXT) and autonomous navigation protocols. High-fidelity simulations validate the architecture's capabilities, demonstrating a successful retrograde deorbit from 800 km to 100 km, <10m position Root Mean Square Errors (RMSE) via radar-based Extended Kalman Filter (EKF) navigation, and a 93\% data delivery efficiency within 1 second using Delay/Disruption Tolerant Network (DTN) protocols. This approach significantly advances orbital management by establishing a benchmark for renewable solar propulsion that minimizes reliance on conventional fuels and extends mission longevity for multi-target removal.
• Abstract（参考訳）: 軌道上のデブリの増大は、現在の燃料依存の手法の限界を克服するアクティブな除去ソリューションを必要とする宇宙活動の持続性を脅かす。 そこで本研究では,高効率かつ太陽エネルギーのNASA Evolutionary Xenon Thruster (NEXT) と自律航法プロトコルを,安全に捕獲するための機械式クランプシステムを統合した新しい修復アーキテクチャを提案する。 高忠実度シミュレーションはアーキテクチャの機能を検証し、800kmから100kmの逆行軌道を成功させ、レーダーベースの拡張カルマンフィルタ(EKF)ナビゲーションを介して<10m位置のルート平均角誤差(RMSE)、Delay/Disruption Tolerant Network (DTN)プロトコルを使用して1秒以内にデータ配信効率を93\%向上した。 このアプローチは、従来の燃料への依存を最小限に抑え、マルチターゲット除去のためのミッション長寿命を延長する再生可能太陽推進のベンチマークを確立することで、軌道管理を大幅に改善する。

関連論文リスト

• SKYSURF: A Self-learning Framework for Persistent Surveillance using Cooperative Aerial Gliders [2.3318766987247126]
  小型無人航空機(UAV)を含む監視用途は、限定的なオンボード電力の持続時間に依存する。 有望な解決策の1つは、浮気の上昇する質量からエネルギーを抽出することである。 本稿では,ソアリング可能なUAVの自律的展開のための地域的行動管理と意思決定手法を提案する。
  論文  参考訳（メタデータ） (2026-02-13T11:42:26Z)
• Optimizing Mission Planning for Multi-Debris Rendezvous Using Reinforcement Learning with Refueling and Adaptive Collision Avoidance [22.261628532402067]
  本研究では, アクティブデブリ除去ミッションにおける適応衝突回避のための強化学習に基づく枠組みを提案する。 小型衛星は、柔軟性、コスト効率、操縦性から採用され、ADRのようなダイナミックなミッションに適している。 このフレームワークは、補給戦略、効率的なミッション計画、適応衝突回避を統合し、宇宙船のランデブー操作を最適化する。
  論文  参考訳（メタデータ） (2026-02-04T21:49:20Z)
• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される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)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
  固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。 従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。 本稿では,DRLに基づくUAV衝突回避システムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T03:03:37Z)
• AI-Driven Risk-Aware Scheduling for Active Debris Removal Missions [0.0]
  低地球軌道でのデブリは、宇宙の持続可能性と宇宙船の安全性に対する重大な脅威である。 装甲輸送車両(OTV)は破片の軌道離脱を促進し、将来の衝突リスクを減らす。 深部補強学習(DRL)に基づく装甲決定計画モデルを構築し,OTVを最適デブリ除去シークエンシングを計画する。 提案手法を用いることで、最適なミッションプランを見つけ、衝突リスクの高い破片のリスクハンドリングを含む自律的に計画の更新を学べることが示されている。
  論文  参考訳（メタデータ） (2024-09-25T15:16:07Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。