Deep Learning for Planetary Rover Localization

行星漫游器定位的深度学习

• 批准号: 20K14706
• 负责人: Wu Benjamin
• 金额: $ 2.16万
• 依托单位: National Astronomical Observatory of Japan
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K14706/
• 关键词: machine learning; computer vision; deep learning; numerical simulation; orbital dynamics; astronomy; interferometry; space exploration; autonomous vehicles

We are continuing to apply machine learning to problems in space research/exploration and establish deep learning computational hardware capabilities at NAOJ.In FY2022, we presented a paper "Physics Informed RNN-DCT Networks for Time-Dependent Partial Differential Equations" at the International Conference on Computational Science (ICCS). This work incorporates techniques from the signal processing domain into physics-informed neural networks, greatly improving accuracy and speed in fluid simulations.We also published a paper "Low-thrust rendezvous trajectory generation for multi-target active space debris removal using the RQ-Law" to Advances in Space Research. We use path optimization algorithms to find the best orbital trajectory for a spacecraft to remove space debris objects.

我们正在继续将机器学习应用于空间研究/探索中的问题，并在NAOJ建立深度学习计算硬件能力。在2022财年，我们在国际计算科学会议(ICCS)上提交了一篇论文《物理通知的RNN-DCT网络用于依赖时间的偏微分方程组》。这项工作将信号处理领域的技术融入到物理信息神经网络中，极大地提高了流体模拟的精度和速度。我们还发表了一篇论文《基于RQ定律的多目标主动空间碎片清除的小推力交会轨迹生成》。我们使用路径优化算法来寻找航天器清除空间碎片物体的最佳轨道。

项目成果

iSpace Europe/University of Luxembourg(ルクセンブルク)

iSpace Europe/卢森堡大学（卢森堡）

University of Toronto(カナダ)

多伦多大学（加拿大）

MACHINE-LEARNING TECHNIQUES FOR REPRESENTING ITEMS IN A SPECTRAL DOMAIN

用于表示光谱域中的项目的机器学习技术

• 发表时间: 2022

Oxford University(英国)

牛津大学（英国）

tensorlicious(ドイツ)

张索利西斯（德国）