IJCAIJun, 2021

航天器新一代机器学习支持的诊断系统

PDF
TL;DR未来太空任务需要新一代的监测和诊断系统，机器学习支持的诊断系统在医学和技术应用中可行。针对即将到来的任务，我们讨论了这些系统的挑战和适用性，并概述了下一代医学诊断系统的应用案例。此外，我们还提出了成功生成和使用太空飞行器上的机器学习模型所需的方法建议和限制。
发现论文，激发创造
  • 对航天器的对抗式机器学习威胁

    该研究报告旨在揭示和证明对航天器构成的敌对机器学习（AML）能力威胁。因此，必须在自主航天器中加入 AML 安全措施来保障其安全性。

    May, 2024

  • 空间机器学习：评估机载机器学习模型对辐射的稳健性

    现代航天器越来越依赖于机器学习，然而，在太空中的物理设备会受到不同的自然灾害的影响，例如辐射，这可能会阻碍计算设备的正确运行。本文呈现了机器学习模型在太空应用中受到自然现象影响的研究进展，以及开放资源的有效性，从而推动了航天容忍机器学习模型的发展。

    May, 2024

  • 低地球轨道场景分类的分散半监督机载学习

    利用卫星集群上的半监督学习，以温度和有限的电源预算为基础，对神经网络进行基准测试，我们展示了在最新卫星硬件上进行机器学习模型的训练，以节省通信和操作成本，同时评估了采用分散和联邦学习方法的任务场景，并在一天的任务时间内，实现了高精度（欧洲卫星 RGB 数据集约为 91％）的收敛。

    May, 2023

  • 基于深度学习的星载机相对导航方法综述

    该文综述了当前基于深度学习的自主航天器相对导航方法，并侧重于太空飞行器缘会和小型天体着陆等具体轨道应用。文章总结了深度学习相对导航算法的基本特征、主要动机和贡献，并比较了流行的视觉跟踪基准及其性质。此外，本文还讨论了潜在的应用以及预期的障碍。

    Aug, 2021

  • 空间应用人工智能的热门趋势

    本文关注了在航空航天应用中人工智能技术的发展和应用趋势，提出不同 iable intelligence 和 on-board machine learning 是非常重要和有趣的研究方向，重点介绍了来自欧洲空间局的几个项目，旨在超越将已有人工智能技术用于航天领域的传统方法。

    Dec, 2022

  • 使用 LSTM 和非参数动态阈值检测航天器异常

    使用 LSTM 网络对遥测数据进行异常检测，结合一种无监督检测方法并提供假阳性减缓策略，以降低操作风险和减轻工程师的监测负担。

    Feb, 2018

  • 基于深度学习的单目航天器姿态估计调查：现状、局限和前景

    本文综述了当前基于深度学习的航天器姿态估计方法，比较了混合模块化管道和直接端到端回归方法的算法，在姿态精度、网络架构和模型大小等方面进行了讨论，并探讨了用于训练和测试这些方法的现有单目航天器姿态估计数据集以及通过模拟器和实验室 / 空间照片生成的数据之间的差距和性能下降问题。

    May, 2023

  • 提升全球导航卫星系统的机器学习技术综述

    全球导航卫星系统（GNSS）基于位置定位在导航、交通运输、物流、地图和应急服务等各种应用中起着关键作用。本文介绍了近年来机器学习（ML）的最新进展及其潜力，以应对传统 GNSS 模型方法在复杂环境中的局限性以及对不确定噪声模型的适应性不足。研究涵盖了监督学习、无监督学习、深度学习和混合方法等广泛的 ML 方法，并提供了与 GNSS 相关的定位应用的洞见，如信号分析、异常检测、多传感器集成、预测和精度增强。文中讨论了目前基于 ML 的 GNSS 定位方法的优势、局限性和挑战，提供了该领域的全面概述。

    Mar, 2024

  • 人工智能、自然语言处理与航天中的理解：一种方法论框架和四个欧洲航天局的案例研究

    这篇论文介绍了欧洲空间局使用人工智能和自然语言处理自动从空间文件中提取信息的方法，并通过多个实例研究来展示这种方法的价值，包括任务设计、质量保证、长期数据保存和开放空间创新平台。

    Oct, 2022

  • 天文学中的数据挖掘与机器学习

    本文回顾了数据挖掘和机器学习在天文学中的应用现状，介绍了常见的机器学习算法，以及数据挖掘在天文学中的广泛应用。文章指出，只要选择合适的算法并遵循天文学问题的引导，数据挖掘可以成为一种强大的工具，而不是一个可疑的黑盒子。

    Jun, 2009