論文の概要: Early Prediction of Satellite Collision Probability Using a Hybrid TCN-Transformer Model for a CDM-Based Conjunction Analysis Framework

• arxiv url: http://arxiv.org/abs/2609.13191v1
• Date: Tue, 11 Aug 2026 13:24:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.520635
• Title: Early Prediction of Satellite Collision Probability Using a Hybrid TCN-Transformer Model for a CDM-Based Conjunction Analysis Framework
• Title（参考訳）: CDM接続解析のためのハイブリッドTCN変換器モデルによる衛星衝突確率の早期予測
• Abstract要約: 本研究では,衛星共同リスクの早期予測のための学習基盤を提案する。 Inscented Transform-based propagation and backpropagation framework is used to evaluate the sensitivity of the collision risk metric to CDM parameters。 複合時間畳み込みネットワーク(TCN)-トランスフォーマーモデルを用いて、結合リスクの時間的進化を学習する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid expansion of operational satellites and orbital debris has increased the frequency of close approach events in low Earth orbit (LEO), creating a higher operational burden for satellite operators. This problem is especially critical for satellites using electric propulsion, where low-thrust maneuver capability imposes additional time constraints on collision avoidance planning. In current practice, Conjunction Data Messages (CDMs) provide relative state, covariance, miss distance, time of closest approach, and probability of collision (PoC) information for conjunction assessment. However, the nonlinear propagation of orbital uncertainties and the sensitivity of PoC to covariance evolution make the interpretation of sequential CDMs challenging. This study proposes a learning-based framework for early prediction of satellite conjunction risk by estimating the PoC expected in the subsequent CDM update of the same close approach event. In the proposed methodology, an Unscented Transform-based propagation and backpropagation framework is first used to evaluate the sensitivity of the collision risk metric to CDM parameters. In addition, Principal Component Analysis is applied to the numerical CDM parameters to identify the features most relevant to PoC variation. The results obtained from the sensitivity analysis and PCA are then used to justify the selected raw CDM parameters and to construct derived metrics representing relative motion, encounter geometry, and covariance-related uncertainty. Using the resulting sequential enriched conjunction dataset, a hybrid Temporal Convolutional Network (TCN)-Transformer model is trained to learn the temporal evolution of conjunction risk. The framework is applied to CDMs received and analyzed within TÜBİTAK UZAY, demonstrating its potential for earlier and more consistent operational risk evaluation for LEO satellite conjunctions.
• Abstract（参考訳）: 運用衛星と軌道上の破片の急速な拡張により、低軌道(LEO)での接近の頻度が増加し、衛星運用者にとってより高い運用負荷が生じる。 この問題は、低推力の操縦能力によって衝突回避計画に時間的制約が課される電気推進を使用する衛星にとって特に重要である。 現在、Conjunction Data Messages (CDMs) は、相対状態、共分散、ミス距離、最も近いアプローチの時間、衝突の確率(PoC)情報を協調評価のために提供する。 しかし、軌道の不確かさの非線形伝播と共分散進化に対するPoCの感度は、シーケンシャルCDMの解釈を困難にしている。 本研究では,同じ接近イベントのCDM更新で期待されるPoCを推定することにより,衛星の協調リスクを早期に予測するための学習ベースのフレームワークを提案する。 提案手法では,まず,CDMパラメータに対する衝突リスク測定値の感度を評価するために,アンセント変換に基づく伝播・バックプロパゲーション・フレームワークを用いた。 さらに,数値CDMパラメータに主成分分析を適用し,PoC変動に最も関係のある特徴を同定する。 感度分析とPCAから得られた結果は、選択した生のCDMパラメータを正当化し、相対運動、遭遇幾何学、共分散関連不確実性を表す導出した指標を構築するために使用される。 得られた逐次強化接続データセットを用いて、複合時間畳み込みネットワーク(TCN)-トランスフォーマーモデルを訓練し、接続リスクの時間的進化を学習する。 この枠組みは、LEO衛星の早期かつより一貫した運用上のリスク評価の可能性を実証し、T.B.TAK UZAY内で受信および分析されたCDMに適用される。

関連論文リスト

• Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
  本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
  論文  参考訳（メタデータ） (2026-06-15T18:19:17Z)
• On the Plasticity and Stability for Post-Training Large Language Models [54.757672540381236]
  塑性と安定性勾配の矛盾として根本原因を同定する。 本稿では,確率的衝突解決法(PCR)を提案する。 PCRはトレーニングの軌道を著しく滑らかにし、様々な推論タスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-06T07:31:26Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Beyond Patterns: Harnessing Causal Logic for Autonomous Driving Trajectory Prediction [10.21659221112514]
  本稿では、因果推論を利用して予測堅牢性、一般化、精度を向上させる新しい軌道予測フレームワークを提案する。 本研究は、軌跡予測の因果推論の可能性を強調し、ロバストな自律運転システムへの道を開くものである。
  論文  参考訳（メタデータ） (2025-05-11T05:56:07Z)
• Robust Blind Channel Estimation for Bursty Impulsive Noise with a Constrained EM Approach [6.278835867567429]
  電源装置によって発生するインパルスノイズ(IN)は、無線受信機の性能を著しく低下させる。 本稿では,バーストINの影響を考慮した予測最大化(EM)アルゴリズムに基づくブラインドチャネル推定手法について検討する。
  論文  参考訳（メタデータ） (2025-03-22T07:39:21Z)
• Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications [64.20396555814513]
  本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。 我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。 MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-24T19:04:49Z)
• Predicting the Probability of Collision of a Satellite with Space Debris: A Bayesian Machine Learning Approach [0.0]
  宇宙は、宇宙活動の増大により、ローアース軌道でさらに混雑している。 定期的な運用の一環として衝突回避を検討する必要性は、衛星運用者にとって明らかである。 現在の手順は、人間アナリストによる多重衝突警告の分析に依存している。
  論文  参考訳（メタデータ） (2023-11-17T16:41:35Z)
• Statistical Learning of Conjunction Data Messages Through a Bayesian Non-Homogeneous Poisson Process [0.0]
  衝突回避と宇宙交通管理の現在のアプローチは多くの課題に直面している。 衛星所有者/オペレーターは、衝突回避操作を行う必要があるかどうかを決定するために、資産の衝突リスクを認識しなければならない。
  論文  参考訳（メタデータ） (2023-11-09T15:04:14Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)

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。