XiaoMi-AI文件搜索系统
World File Search System在轨道上
5024.pdf 月球表面科学研讨会...
操作概念：我们的实验将由一个生物反应器组成，该反应器有两个输入：（i）过滤后的月壤，粒径在特定范围内；（ii）初始细菌培养物（接种物）。月壤可以由机器人或人工送入浸出容器。机器人执行此操作将是一项复杂的工程任务，因为需要收集矿物颗粒（例如从着陆器伸出的机械臂）并进行筛选，而人工则可以轻松地使用勺子捡起月球尘埃，然后将其通过网格送入接收桶。我们的实验需要 80 立方厘米（<5 立方英寸）的月壤。接种物将通过将冻干的细菌培养物重新悬浮在具有适合细菌的碳源和电子源的生长培养基中来原位激活。我们目前正在 Artemis 1 任务的绕月实验中实施这种方法 [3]。实验硬件将基于 BioServe 的流体处理装置 (FPA) 和群激活包 (GAP) [4]。迄今为止，已有 5,000 多个 FPA 和 600 个 GAP 在 40 多个实验中在轨道上运行。我们目前正在初步地面研究中使用该硬件来表征模拟月球和火星重力下的细菌生长动态和基因表达 [5]。
电动汽车电池技术的进步
摘要最近获得了许多最近的创新，目的是改善电动汽车及其组件，尤其是在能源管理，电池设计和优化以及自动驾驶的领域。因此，生态系统变得更加高效，更持久，未来电动汽车的技术也是先进的。洞察力介绍了本研究提供的，包括电动汽车（EV）以及其他新颖，发明和有前途的技术，包括本研究。这些发展可能是到2030年的可行性。与Internet相关的数字双胞胎（IOTA）是本研究中涵盖的适当建模和设计策略的一个例子。由于物联网的概念，自动驾驶汽车可以提高道路安全性，燃油效率和供应驱动因素更多的时间来完成其他任务。在本文中还讨论了该技术，该技术允许车辆离开停车位，沿着漫长的道路行驶，最后在其目的地停车。收集在真实道路上的信息对于自动驾驶汽车的发展至关重要。还提出了有关智能，自动驾驶汽车和研究需求的建议。描述包括许多社会问题，其中之一就是涉及自动驾驶汽车的事故的原因。我们迅速浏览一个智能小工具，该小工具可以发现异常的驾驶习惯并停止在轨道上发生事故。此外，解决了与电动汽车有关的每个研究领域，以及预期的困难和差距。这包括环境评估，市场研究，电力电子，动力总成工程和电池材料科学等领域。
D-Orbit 和 OQ Technology 宣布合作开展创新 5G 任务
D-Orbit 是太空物流和运输服务行业的市场领导者，拥有经过太空验证的服务、技术和成功任务的记录。D-Orbit 成立于 2011 年，是第一家满足太空市场物流需求的公司。例如，ION 卫星运载器是一种太空飞行器，可以将卫星运送到轨道上并将它们分别释放到不同的轨道位置，从而将发射到运行的时间缩短高达 85%，并将整个卫星星座的发射成本降低高达 40%。ION 还可以容纳多个第三方有效载荷，例如初创公司开发的创新技术、研究实体的实验以及需要在轨道上测试的传统太空公司的仪器。ION 还可以租用用于边缘计算应用和太空云服务，为卫星运营商提供在轨存储容量和先进的计算能力。D-Orbit 的路线图包括成为在轨服务市场的重要参与者，该市场预计将成为太空领域增长最快的市场之一。我们在意大利、葡萄牙、英国设有办事处，并在美国成立了一支专注于公交车设计和制造的新团队，我们是世界上第一家获得 B 类公司认证的太空公司，追求有利可图、对环境友好且对社会有益的商业模式。
月球cubesat Lander探索海坑 div>
月球门将在月球周围或L2 Lagrange点的光晕轨道上放置在轨道上。拟议的Lunar Gateway是一种改变游戏规则的人，可以利用Cubesats启用新科学，并为利用这些小型航天器作为探险家提供了令人耳目一新的新机会。我们建议开发一个月球底兰特，该降落器将从月球网关物流模块（假定在L2处）部署，以执行对月面的科学和探索。Cubesat Lander将降落在Mare Tranquilitatis附近，以确定空隙的程度，并确定挥发性资源的存在，包括其Regolith中的水。Cubesat Lander是一个27U，其固定尺寸为34 cm×35 cm×36 cm，质量为54 kg。它将从月球网关部署，并通过使用其板载高性能绿色推进（HPGP）系统进行月球轨道插入，然后进行下降操纵，以进入距月球表面25公里的高度。从那里，登陆器将在母马静脉下进行动力下降，需要4-6分钟。车载视觉导航将通过迅速发射下降推进器来降落在母马静脉区域上。Lander配备了通过对Regolith（Vapor）仪器进行挥发性分析，以执行Lunar Regolith的热解和质谱法。此外，它将携带三个球形跳跃机器人（Spherex），这些机器人将跳到坑内，以执行矿坑内的岩石石的映射和电阻抗光谱，以确定水中的存在。
D-Orbit 在 C 轮融资中首次完成 1 亿欧元融资，巩固其在太空物流领域的全球领导地位并推进全球扩张
意大利菲诺莫尔纳斯科，2024 年 1 月 11 日：全球领先的尖端太空物流服务提供商 D-Orbit 宣布成功完成其 C 轮融资的首轮，筹集了约 1 亿欧元。此轮融资是欧洲太空技术公司有史以来规模最大的融资之一，在此之前，D-Orbit 在 2023 年取得了辉煌的成绩，自 2021 年以来实现了三位数的年收入增长，赢得了超过 6000 万欧元的欧洲政府/航天机构合同，并成功完成了其 ION 轨道转移飞行器的另外七次任务。总部位于意大利的 D-Orbit 的愿景是创建太空物流基础设施，通过实现太空中货物、信息和人员的可持续运输，为未来 1 万亿美元的在轨经济提供动力。此次融资是在该公司令人瞩目的增长之后进行的，其无与伦比的记录包括总共 15 次成功任务和 13 次 ION 在轨飞行。这一记录巩固了 D-Orbit 作为全球领先太空运输参与者的地位。通过这些任务（其中大部分包括在轨道上测试新技术），该公司还致力于帮助太空生态系统更快、更强大地发展。现在，通过开发太空云计算和在轨服务能力，D-Orbit 正在进一步加强与机构和政府的合作，同时扩大其跨地域和跨行业的客户覆盖范围。
6U 立方体卫星的地球观测任务，分辨率为 5 米，使用卷积神经网络方法进行野火图像分类
摘要：KITSUNE 卫星是一个由 6 个单元组成的立方体卫星平台，主要任务是在低地球轨道 (LEO) 上进行 5 米级地球观测，有效载荷采用 31.4 MP 商用现成传感器、定制光学器件和相机控制板开发。尽管有效载荷是为地球观测而设计的，并以捕捉地面上的人造图案为主要任务，但计划通过卷积神经网络 (CNN) 方法对野火图像进行分类作为次要任务。因此，KITSUNE 将成为第一颗使用 CNN 对 LEO 野火图像进行分类的立方体卫星。在本研究中，卫星上采用了深度学习方法，通过预处理而不是在地面站执行图像处理的传统方法，以减少下行链路数据。 Colab 中生成的预训练 CNN 模型保存在 RPi CM3+ 中，其中，上行链路命令将执行图像分类算法并将结果附加到捕获的图像数据上。地面测试表明，在使用 MiniVGGNet 网络对卫星系统上运行的野火事件进行分类时，它可以实现 98% 的总体准确率和 97% 的 F1 得分成功率。同时，还比较了 LeNet 和 ShallowNet 模型，并在 CubeSat 上实施，F1 得分分别为 95% 和 92%。总体而言，这项研究展示了小型卫星在轨道上执行 CNN 的能力。最后，KITSUNE 卫星将于 2022 年 3 月从国际空间站部署。
![arXiv:2306.05594v1 [astro-ph.IM] 2023 年 6 月 8 日](/simg/g:\will\search\icon\source\f\f9b68a74c26ec84109b50a7ac0ebba11b3863349.webp)
arXiv:2306.05594v1 [astro-ph.IM] 2023 年 6 月 8 日
本文件是 Alexander Q. Gilbert 领导的法律审查的精简版，题为：“重大联邦行动对太空环境质量产生重大影响：将 NEPA 应用于联邦和联邦授权的外层空间活动。” 在这里，我们讨论了太空环境的未来，以及它如何日益成为人类环境，包括机器人和人类继续在轨道上存在、计划和提议的机器人和人类在月球和火星等天体上的存在、计划中的太空采矿项目、通信卫星低地球轨道的增加使用以及人类对太空的其他利用。 因此，我们必须像在地球上一样评估和保护这些环境。 为了优先减轻污染威胁、避免冲突和促进太空的可持续性，所有这些都是为了确保参与者保持平等和安全的太空访问，我们建议将《国家环境政策法》（NEPA）应用于太空任务。我们为参与太空任务的人员提出了三个环境最佳实践的例子，供他们参考：在执行离地任务之前、期间和之后采用预防和沟通结构、环境影响声明以及可能影响环境的工具的透明度（包括放射性同位素电源、飞行器丢失或轨迹丢失时的计划等）。有关 NEPA 的潜在空间应用、NEPA 的法定文本以及 NEPA 与空间法和空间司法先例的关系的更多讨论，我们建议阅读完整的法律评论：https://environs.law.ucdavis.edu/volumes/44/2/Gilbert.pdf。
用于小行星和彗星核心任务的小型全范围激光雷达
摘要：我们报告了一种新型空间激光雷达的开发，该雷达专为执行小型行星体任务而设计，用于地形测绘和样本采集或着陆支持。该仪器设计为具有宽动态范围，并针对不同任务阶段提供多种操作模式。激光发射器由光纤激光器组成，该激光器通过归零伪噪声 (RZPN) 代码进行强度调制。接收器通过将检测到的信号与 RZPN 内核关联来检测编码脉冲序列。与常规伪噪声 (PN) 激光雷达不同，RZPN 内核在激光发射窗口外设置为零，从而消除了接收器积分时间内的大部分背景噪声。该技术允许使用低峰值功率但高脉冲率的激光器（例如光纤激光器）进行长距离测距而不会产生混叠。激光功率和探测器的内部增益均可调整，以提供宽测量动态范围。激光调制代码模式也可以在轨道上重新配置，以优化针对不同测量环境的测量。接收器采用多像素线性模式光子计数 HgCdTe 雪崩光电二极管 (APD) 阵列，在近红外至中红外波长范围内具有近量子极限灵敏度，许多光纤激光器和二极管激光器都在此波长范围内工作。该仪器采用模块化和多功能设计，主要采用光通信行业开发的组件构建。
基于深度学习的单目航天器姿态估计研究综述：现状、局限性和前景
估计不合作航天器的姿态是一个重要的计算机视觉问题，它有助于在轨道上部署基于视觉的自动系统，其应用范围从在轨服务到空间碎片清除。随着计算机视觉的总体趋势，越来越多的工作开始关注利用深度学习 (DL) 方法解决这个问题。然而，尽管研究阶段的成果令人鼓舞，但阻碍在实际任务中使用此类方法的主要挑战仍然存在。特别是，这种计算密集型算法的部署仍未得到充分研究，而在合成图像上进行训练和在真实图像上进行测试时的性能下降仍有待缓解。本调查的主要目标是全面描述当前基于 DL 的航天器姿态估计方法。次要目标是帮助确定有效部署基于 DL 的航天器姿态估计解决方案以实现可靠的自主视觉应用的局限性。为此，本调查首先根据两种方法总结了现有算法：混合模块化流水线和直接端到端回归方法。本文不仅从姿势准确性的角度对算法进行了比较，还重点关注了网络架构和模型大小，同时考虑到了潜在的部署。然后，讨论了用于训练和测试这些方法的当前单目航天器姿势估计数据集。还讨论了数据生成方法：模拟器和测试平台、合成生成的图像与实验室/空间收集的图像之间的领域差距和性能下降以及潜在的解决方案。最后，本文提出了该领域的开放研究问题和未来方向，并与其他计算机视觉应用进行了比较。
缩小轨道空间机器人的尺寸 - 林肯存储库
小型太空机器人有可能通过以更短的时间和更低的成本促进基础设施的在轨组装，从而彻底改变太空探索。如果这样的系统还能够执行在轨维修任务，那么它们的商业吸引力将进一步提高，这符合当前限制太空垃圾和延长已在轨卫星寿命的动力。虽然成功演示了有限数量的能够在轨道上操作的技术，但这些系统仍然很大且是定制的。最近小型卫星技术的激增正在改变太空经济，在不久的将来，缩小太空机器人的尺寸可能成为一种可行的选择，具有许多好处。这一行业范围内的转变意味着一些用于缩小尺寸的太空机器人的技术，例如电源和通信子系统，现在已经存在。然而，在缩小尺寸的太空机器人能够执行有用的任务之前，仍需要克服动态和控制问题。本文首先概述了这些问题，然后分析了缩小系统尺寸对其操作能力的影响。因此，我们提出了最小的可控系统，以便利用现有技术实现小型空间机器人的优势。本文讨论了基础航天器和机械手的尺寸。所提出的设计包括一个安装在 12U 尺寸卫星上的 3 连杆、6 自由度机器人机械手。我们通过模拟评估了这种 12U 空间机器人的可行性，本文提供的深入结果支持了小型空间机器人是可行在轨操作解决方案的假设。2020 COSPAR。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。