論文の概要: Unified Orbit-Attitude Estimation and Sensor Tasking Framework for Autonomous Cislunar Space Domain Awareness Using Multiplicative Unscented Kalman Filter

• arxiv url: http://arxiv.org/abs/2603.20579v1
• Date: Sat, 21 Mar 2026 00:25:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.977752
• Title: Unified Orbit-Attitude Estimation and Sensor Tasking Framework for Autonomous Cislunar Space Domain Awareness Using Multiplicative Unscented Kalman Filter
• Title（参考訳）: マルチ・プリケーション・アンセント・カルマンフィルタを用いた自律型シスルナー空間領域認識のための軌道高度推定とセンサ・タスク・フレームワーク
• Authors: Smriti Nandan Paul, Siwei Fan,
• Abstract要約: シスルナー構造は、地球近傍の軌道の挙動から、強い非線形、非ケプラー動力学を通じて逸脱する。 課題は、長距離観測要件、限定的なセンサーターゲット幾何学、照明条件から生じる。 この研究は、シスルナー空間領域認識のための高度なフレームワークを導入している。
• 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: The cislunar regime departs from near-Earth orbital behavior through strongly non-linear, non-Keplerian dynamics, which adversely affect the accuracy of uncertainty propagation and state estimation. Additional challenges arise from long-range observation requirements, restrictive sensor-target geometry and illumination conditions, the need to monitor an expansive cislunar volume, and the large design space associated with space/ground-based sensor placement. In response to these challenges, this work introduces an advanced framework for cislunar space domain awareness (SDA) encompassing two key tasks: (1) observer architecture optimization based on a realistic cost formulation that captures key performance trade-offs, solved using the Tree of Parzen Estimators algorithm, and (2) leveraging the resulting observer architecture, a mutual information-driven sensor tasking optimization is performed at discrete tasking intervals, while orbital and attitude state estimation is carried out at a finer temporal resolution between successive tasking updates using an error-state multiplicative unscented Kalman filter. Numerical simulations demonstrate that our approach in Task 1 yields observer architectures that achieve significantly lower values of the proposed cost function than baseline random-search solutions, while using fewer sensors. Task 2 results show that translational state estimation remains satisfactory over a wide range of target-to-observer count ratios, whereas attitude estimation is significantly more sensitive to target-to-observer ratios and tasking intervals, with increased rotational-state divergence observed for high target counts and infrequent tasking updates. These results highlight important trade-offs between sensing resources, tasking cadence, and achievable state estimation performance that influence the scalability of autonomous cislunar SDA.
• Abstract（参考訳）: シスルナー構造は、地球近傍の軌道の挙動から、不確実性伝播と状態推定の精度に悪影響を及ぼす強い非線形、非ケプラー動力学を通じて逸脱する。 その他の課題は、長距離観測の要件、限定的なセンサーターゲット形状と照明条件、拡張可能なシスラナール体積を監視する必要性、空間/地上センサー配置に関連する大きな設計空間などである。 これらの課題に対応するために,本研究では,(1)主要な性能トレードオフを捉えた現実的なコスト定式化に基づく観測者アーキテクチャの最適化,(2)Parzen Estimatorsアルゴリズムを用いて解決した観測者アーキテクチャの活用,(2)離散的なタスク間隔で相互情報駆動型センサタスク最適化を行い,一方、軌道および姿勢状態の推定は,エラー状態乗法的無セントのKalmanフィルタを用いた逐次的なタスク更新の間の時間分解において,より微細な時間分解で行うこと,という2つの主要なタスクを含む,シスルナー空間領域認識(SDA)のための高度なフレームワークを導入する。 数値シミュレーションにより,提案したコスト関数の値がベースラインランダム探索法よりも大幅に低いのに対して,センサの少ないオブザーバアーキテクチャが得られた。 タスク2の結果,多種多様な目標・オブザーバ数比に対して翻訳状態の推定は良好であり,姿勢推定は目標・オブザーバ数比とタスク間隔にかなり敏感であり,高い目標数と頻繁なタスク更新に対しては回転状態のばらつきが増大していることがわかった。 これらの結果は,自律型シスルナーSDAのスケーラビリティに影響を及ぼすセンサリソース,タスクケイデンス,達成可能な状態推定性能との間の重要なトレードオフを浮き彫りにする。

関連論文リスト

• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• Predict and Resist: Long-Term Accident Anticipation under Sensor Noise [14.759047709239788]
  事故予測は積極的で安全な自動運転に不可欠である。 現実の展開を妨げる2つの重要な課題は、天候、動きのぼかし、ハードウェアの制限によるノイズや劣化した感覚入力である。 本稿では,これらの課題に対処するために,拡散に基づくデノベーションと時間認識アクター批判モデルを統合する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-10T11:41:43Z)
• Inference-Time Gaze Refinement for Micro-Expression Recognition: Enhancing Event-Based Eye Tracking with Motion-Aware Post-Processing [2.5465367830324905]
  イベントベースの視線追跡は、きめ細かい認知状態の推測に重要な可能性を秘めている。 本稿では、既存の事象に基づく視線推定モデルの出力を高めるために、モデルに依存しない推論時間改善フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-14T14:48:11Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Kriformer: A Novel Spatiotemporal Kriging Approach Based on Graph Transformers [5.4381914710364665]
  本研究は, 環境問題として, スパースセンサの配置と信頼性の低いデータに対処する。 グラフクリフォーマーモデルであるKriformerは、限られた資源であっても、空間的および時間的相関をマイニングすることで、センサのない場所でデータを推定する。
  論文  参考訳（メタデータ） (2024-09-23T11:01:18Z)
• 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)
• Motion-Scenario Decoupling for Rat-Aware Video Position Prediction: Strategy and Benchmark [49.58762201363483]
  本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。 本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。 難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2023-05-17T14:14:31Z)
• Neural Networks with Quantization Constraints [111.42313650830248]
  量子化学習における制約付き学習手法を提案する。 結果の問題は強い双対であり、勾配推定は不要であることを示す。 提案手法は画像分類タスクにおける競合性能を示す。
  論文  参考訳（メタデータ） (2022-10-27T17:12:48Z)

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。