Nov, 2023

卫星与空间碎片碰撞概率的预测：基于贝叶斯机器学习方法

PDF
TL;DR通过建立隐藏马尔可夫模型，利用碰撞数据消息的概率序列，研究预测两个空间物体碰撞风险的可行性，并使用贝叶斯统计推断模型参数的联合分布，从而开发出可靠的概率预测模型，进一步验证了碰撞警告具有马尔可夫属性的观点，并提出了进一步深入研究的建议。
发现论文，激发创造
  • 基于贝叶斯非齐次泊松过程的联合数据信息的统计学习

    通过贝叶斯非齐次泊松过程，本研究提出了一种高精度的概率编程语言实现模型，有效地描述了碰撞危险性，并成功地模拟了自动化避碰系统的发展，有助于卫星操作者实时但谨慎地进行卫星机动操作。

    Nov, 2023

  • 联结数据消息的泊松过程行为

    针对太空探索中的太空垃圾问题，研究了基于统计学习模型的信息到达过程，并成功实现了对下一条信息到达时间的预测。

    May, 2021

  • 短期相遇卫星与空间碎片的碰撞概率：重新导出和快速计算的上下界

    通过第一原理的新方法，本研究引入了紧密且快速的上下界，用于碰撞概率的估算。我们在欧空局碰撞回避挑战中使用的真实 CDM 数据集上，对概率和界限计算的原始方法和我们的方法进行了测试。我们的方法只需要计算两个一维积分，与传统方法相比，处理时间可减少 80%，接近实时。

    Nov, 2023

  • 用扩散模型预测最近接近时的位置不确定性

    这项研究通过扩散模型提出了一种机器学习模型，用于预测参与近距离接触的物体的位置不确定性，特别是对于次要物体（通常是碎片），该物体的预测更加不可预测。与其他最先进的解决方案和朴素的基准方法相比，我们比较了我们的模型的性能，显示出所提出的解决方案有潜力显著提高航天器运行的安全性和效率。

    Nov, 2023

  • 基于机器学习的太空物体密度分布预测方法

    提出了一种机器学习模型以加速人工空间目标的密度分布的传播，并通过长期预测实验来评估模型的能力和性能退化原因及解决方案。

    Jan, 2024

  • 太空航天器自主决策规划以避免碰撞：一种强化学习方法

    基于强化学习技术的自主决策能力的实施是为了在空间复杂环境中，将碰撞规避操控的决策过程委托给太空船自动执行，以实现更快速的响应和高度分散的操作。

    Oct, 2023

  • 自主驾驶碰撞风险评估的深度预测模型

    本文研究了一种在自主驾驶和辅助驾驶中用于碰撞风险评估的预测方法，利用深度预测模型从传统视频流中预测即将到来的事故，并在决策制定过程中引入了时间信息、多模态信息以及任务固有的不确定性。通过使用基于贝叶斯卷积 LSTM 的深度预测模型，实验表明当多个摄像头作为输入源时，该方法能够较为准确地预测即将发生的事故。

    Nov, 2017

  • 基于预测的公路碰撞风险评估的可达性分析

    本文介绍了一种基于预测的高速公路碰撞风险评估方法，利用点动态系统建立了双向概率分布运动的随机正向可达集，提出了加速度预测模型，以及对车辆状态进行推广的多模态概率加速度分布和碰撞概率计算方法，模拟结果表明该预测模型在车辆位置误差方面具有优秀的性能，该碰撞检测方法在切入事件中识别碰撞的能力敏捷且有效。

    May, 2022

  • 基于熵的视觉解释的卫星组件识别中的 YOLOv5 研究

    通过利用信息论分析模型中隐藏层中的潜在表达来解释决策过程，研究论文使用了 PEEK 方法，使得我们能够了解 You Only Look Once v5（YOLOv5）目标检测模型在解决低地球轨道（LEO）中的非合作和未鉴别空间碎片的自主小型追逐卫星的几何确定和安全飞行轨迹规划方面的优势、局限性和偏差。

    Nov, 2023

  • 基于自监督机器学习的轨道建模方法应用于太空交通管理

    通过使用预训练的轨道模型，本文提出了一种改进基于机器学习的空间交通管理任务性能的新方法，称为 ORBERT，并展示了该模型利用大量现有的轨道数据学习有意义的表示，并用于辅助下游任务。作为此方法的概念验证，我们考虑了全相机互测任务，并展示了利用无标签轨道数据可以提高性能，并且该方法尤其对于标记数据有限的任务特别有益。

    Dec, 2023