XiaoMi-AI文件搜索系统
World File Search System天体的
Gestra - 德国实验空间监视和跟踪雷达
先生印度尼西亚主席强调，外太空和其他天体的探索和使用仅是出于和平目的，并应为所有国家的利益和利益而进行，无论其经济或科学发展程度如何。因此，必须保证所有用于独家和平目的的空间资产都可以摆脱各种形式的威胁，即空间或陆地系统。在这方面，国际太空活动的合作至关重要，主要的太空能力有责任积极地促进防止外太空的军备竞赛的目标。国际合作是仅出于和平目的和所有人类的利益而使用和探索外太空的关键因素，这也有助于外太空的长期可持续性，安全性和稳定性。应该促进转移技术，共享信息，交流专家以及材料或设备，考虑到发展中国家的特定需求。印度尼西亚强调了防止在外太空中进行武器竞赛并在外太空中放置任何武器的重要性。在这方面，必须持续采取有效的监视，验证，透明度和信任建设措施，以期协商合法结合的工具以进行多边验证。印度尼西亚遵循有关预防纽约外太空的武器竞赛的进一步实践措施的磋商的事态发展，该措施认为外太空中的威胁确实存在于各种性质和强度。印度尼西亚在过去几十年中考虑了这些现有的威胁以及外太空活动的根本性增加，进一步强调，自愿透明度和建立信心措施不能代替法律结合的工具。印度尼西亚指出，现有的裁军和武器控制协议可以包含这些措施的要素，这些措施可能构成外层空间活动中透明度和置信度的基础。印度尼西亚强调并支持防止在外太空中进行军备竞赛并在外太空中放置任何武器的重要性。主要的空间能力有责任积极地促进防止在太空中进行武器竞赛的目标。印度尼西亚的观点是，国家与所有与外太空的工具的实施，包括指南，包括缓解空间碎片，外层空间活动的长期可持续性指南，政府专家小组（GGE）的透明度和信心建设措施的建议
在深空应用程序的视线导航上
视线（LOS）导航是一种光学导航技术，可利用从车载成像系统获得的可见天体的方向，以估算航天器的位置和速度。将方向馈送到估计过滤器中，其中它们与观察到的物体的实际位置匹配，该位置是从船上存储的胚层检索的。作为LOS导航代表了下一代深空航天器的一个真正有希望的选择，这项工作的目的是提供有关效果的新见解。首先，分析信息矩阵以显示航天器和观察到的行星之间的几何形状的影响。然后，使用Monte Carlo方法来研究测量误差的影响（范围从0.1到100 ARCSEC）和跟踪频率（从每天的四个观测值到每两天的观察范围）。通过两个指标对导航性能的影响进行了影响。首先是3D位置和速度均方根排出，一旦估计被认为是稳态的。第二个是收敛时间，它量化了估算到达稳态行为所需的时间。模拟基于一组四个行星，这些行星不遵循共同的以heliepentric动力学的速度，而是绕太阳旋转，并以相同的（无距离）角速度的角速度旋转。这种方法允许将方案依赖性行为与导航固有属性分开，因为在整个模拟过程中观察者和观察到的对象之间的相同几何形状是相同的相对几何形状。结果为下一代自主导航系统提供了有用的指南，既可以定义硬件要求和设计适当的导航策略。然后将注意事项应用于近地球小行星的任务方案，以定义导航策略和硬件要求。显示了航天器和行星之间相对角度的重要性。在单个球衣观察方案中，当航天器和行星的位置向量之间的角度接近无效的值时，估计误差会降低。在双行星观察方案中，当两个LOS方向之间的分离角接近90时，估计误差会降低。对性能的主要影响是由测量误差驱动的，当前技术被证明能够以几百公里的顺序提供位置误差，而较低的测量误差（0.1 ARCSEC）可能在100 km以下的位置误差。最后，可以证明跟踪频率在性能中起次要作用，并且只有在收敛时间明显地影响。2022 cospar。由Elsevier B.V.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
使用定向激光驱动的光帆
摘要 - 对人类定居的探索和建立对火星的兴趣正在迅速增长。要实现这一目标，将需要快速运输来携带重要的物资和货物。当前的火星任务至少需要150天，在紧急情况或紧急需求的情况下，这将太长。因此，我们提出了一种尖端技术，该技术可能会使运输时间短达20天：激光驱动的光帆。这种推进方法使用地面激光阵列来推动一个小型轻巧的航天器，该航天器连接到轻帆至非常高速的速度，使任务比目前的任务快得多。通过使用MATLAB模型和激光推进计算工具，我们可以看到并确定这些任务的最佳轨迹和出发窗口。我们讨论了这些轨迹，并表明在2030 - 2032年之间的27个月内，在特定的启动窗口中可能进行了这些任务，但在此期间也面临实际挑战。在太阳连接期间，由于太阳的接近度，这种快速的运输任务受到限制，但是当过境时间要求放松时，在所有轨道相时都可以快速过境。激光阵列能够产生高达13吉瓦的激光阵列，以使20天的任务具有5 kg的航天器，能够将有价值的轻质货物携带到连接附近，但在反对周围只需要0.55 gw。所需的航天速度始终超过太阳系逃逸速度，而轨迹是双曲线。对未来工作的重要挑战涉及减速和进入，下降和着陆的机制和过程。火星上的基于地面的激光阵列可以解决这一挑战的某些方面，但是轨道几何限制了减速潜力，这意味着有效载荷需要对大型减速和影响g-负载稳健。对火星的这些20天任务可以作为更复杂，遥远任务的前身。可以提高航天器质量能力，同时还可以通过优化激光阵列和轻型帆性能来减少运输时间。也可以同时推出和增强多个航天器，以承担更多有效载荷并降低成本。这项工作旨在作为一个概念证明，即可以通过此类任务运输轻巧的有效载荷。可以在接下来的几十年中开发实现快速运输任务的技术，并将其应用于其他天体的深空任务，并将其旅行到星际空间。
Milani 使命 - IRIS Re.Public@polimi.it
引言 太阳系中的小天体代表着当今太空探索的前沿。 各种任务例如罗塞塔号 [ 1 ]、隼鸟 1 号 [ 2 ] 和隼鸟 2 号 [ 3 ] 以及奥西里斯-雷克斯 [ 4 ] 都已向这些目标发射，而其他任务也计划在未来执行 [ 5, 6 ]。 当到达小天体附近时，深空立方体卫星具有多样化和补充大型航天器任务的优势 [ 7 ]。 事实上，一旦主航天器到达目标，它们就可以被用作机会性有效载荷，部署在现场。 NASA 和 ESA 之间的 AIDA (小行星撞击和偏转评估) 合作就是一个例子，旨在研究和描述与 Didymos 小行星系统的撞击 [ 8 ]。作为此次合作的一部分，NASA 发射了 DART（双小行星重定向测试）动能撞击器航天器 [9]，LICIACube 将于 2022 年秋季对其与次级小行星 Didymos 的撞击进行观测和表征 [10]。作为此次合作的一部分，ESA 将于 2024 年 10 月发射 Hera 任务 [6]，同时发射两颗深空立方体卫星，分别是 Juventas [11] 和 Milani [12-14]，以研究和表征该系统。2027 年 1 月 Hera 抵达后不久，在 20 到 30 公里的距离之间将进行早期表征阶段，旨在确定天体的形状和重力场。随后将在约 10-20 公里的距离处进行详细表征阶段。在此阶段，两颗立方体卫星将从 Hera 母舰上释放，增强任务的科学回报。 Juventas 将配备单基地低频雷达和加速度计，而 Milani 将携带 ASPECT [ 15 ] 可见光和近红外成像光谱仪以及 VISTA 热重仪 [16]，以表征小行星周围的尘埃环境。自主光学导航 (OpNav) 是现在和未来探索任务的一项使能技术。这种技术利用图像处理 (IP) 方法提取一组光学可观测量，用于生成具有相关不确定性的状态估计。这种估计通常通过滤波获得，滤波将来自动力学的信息与观察模型相结合，以实现比单独应用 IP 高得多的精度。由于可以使用低成本和低质量的传感器在机载以低成本生成图像，因此 OpNav 的机载应用越来越受到关注。这对于立方体卫星任务尤其重要，因为立方体卫星任务通常在质量和功率方面受到严格限制。在接近小型飞机的情况下，可以利用 OpNav 通过允许自主操作和解锁执行关键操作的能力来降低运营成本。通过将 OpNav 功能与制导和控制算法相链接，在不久的将来，可以预见自主 GNC 系统将出现在自主探索任务中，届时将减少或完全消除人类在环。在这项工作中，我们首次介绍了 Milani 任务基于 OpNav 的 GNC 系统的主要特征，以及任务状态的最新概述。本文的其余部分组织如下。第二部分提供了 Milani 任务的一般概述。第三部分详细介绍了 Milani 的 GNC 系统。从第三部分 A 中的 IP 开始，然后是第三部分 B 中的导航和第三部分 C 中的制导和控制。最后介绍 Milani 的 GNC，简要概述了该系统的初步设计
对称性与人工智能相遇 摘要 目录 1 简介
电磁学的麦克斯韦方程、爱因斯坦的狭义和广义相对论以及粒子物理学中基本力的规范理论。从更务实的角度来看，对称性有很多应用，例如晶体学中的应用或它们为问题研究带来的简化：对称性是手头信息背后的组织结构。因此，发现这种模式可以加深理解，就像罗夏赫测试的简单情况一样：注意到墨迹的反射对称性可以帮助孩子猜测这些图画是如何制作的，即通过将吸墨纸折叠起来。这种理解使我们能够简化处理数据的方式，并且在更深层次上可以表明存在更高层次的原理。对称性与简单性甚至优雅之间的这种联系在理论物理学中经常出现。在艺术中，对称性也经常与优雅的概念联系在一起。这并不是说对称的艺术品更美丽，因为众所周知，大多数人更喜欢对称性不是完全对称，而是略有不完美或破碎的面孔、乐曲、绘画和照片 [ 1 , 2 ] 。在物理学中，对称情况的偏差通常被认为是一种有用的近似技术，因为在自然界中很少发现完美的对称性。发现对称性的一个物理学例子是火星的运动。天文学家第谷·布拉赫在 1601 年去世前，收集了它在夜空中位置的最精确记录。这些数据中有一个底层结构，约翰尼斯·开普勒花了很多年才将其梳理成椭圆形 1 。从这种更简单的数据表示中，艾萨克·牛顿能够推导出引力定律，该定律表现出中心对称性，毫无疑问，与最初的观测集合相比，它更简单、更深入、更普遍地描述了天体的运动。快进许多年，我们现在明白，牛顿定律可以通过将对称性强加于一个称为作用的抽象对象上来获得。我们在本文中的想法是为布拉赫和牛顿之间的开普勒中间步骤的自动化或人工智能 (AI) 版本奠定基础。面向任务的功能性 AI 一般概念实现称为机器学习 (ML)。它涉及为计算机提供一般处方的算法，以便逐步逼近（或学习）适当的规则来重现特定的观察结果。这与传统程序形成了鲜明对比，传统程序缺乏这里所需的表达能力。目前，科学，尤其是物理学，正在经历一场革命 [ 3 ] ，因为在具有大数据集的实验领域中采用的 ML 方法被应用于更正式的领域，甚至用于符号数学 [ 4 ] 。ML 确实特别擅长模式识别，因此我们提出一个问题：当这些方法用于从数据中提取信息时，它们是否也能检测到它们所接触的数据中对称性的存在？如果可以，它们会自动这样做吗？它们是否自然地根据对称模式组织信息？在本文中，我们迈出了回答上述问题的第一步。除了好奇心和想要了解自然法则和机器学习的发展方式的愿望之外，我们还运用我们的方法来研究物理和艺术之间的深层联系。在第 2 节中基于物理的设置上训练算法之后，我们在第 3 节中将它们应用于艺术品并评估它们的对称性。这项工作可以进行许多扩展和应用，在第 4 节中我们将讨论这个方向的一些想法。