本文简要介绍了一种通过现场碎片测量估算在轨卫星碎片的一些轨道参数(具体而言,特定时间的角动量方向和角动量方向的时间变化)的新方法。与以前的研究一样,这种方法采用了一个约束方程,该方程源于检测到的碎片与现场碎片测量卫星共享地心位置矢量这一事实。然而,与以前的研究不同,这种方法并不采用可以应用于破碎物体升交点赤经变化率的约束方程。相反,这种方法根据探测时的最大或最小地心赤纬来确定破碎物体的倾角。然后,这种方法通过假设一个半径为探测时地心距离的圆形轨道来找出破碎物体升交点赤经变化率的候选者。最后,利用所采用的约束方程,该方法估算了解体时上升节点的赤经,并计算了上升节点赤经变化率的修正值。本文还验证了在理想条件下,即所有探测点都假设在解体物体和现场碎片测量卫星的两个轨道平面的交线上,该新方法的有效性。
本文全面介绍了该项目的开发过程及其显著贡献,该项目旨在打造一套专为视障人士定制的物体检测系统。该系统利用 Python 编程语言结合 YOLO(You Only Look Once,只看一次)算法,提供实时物体检测功能。本文深入探讨了所采用的方法、面临的挑战以及为优化系统性能、可用性和可访问性而设计的创新解决方案。通过协作,我们设计出了大量创新解决方案,涵盖算法选择、模型训练、硬件集成、用户体验设计、文档编制和持续改进等各个方面。这项协同努力的成果展现了在为视障人士提供增强的态势感知和导航辅助方面取得的显著进展,从而促进了社区的包容性和自主性。
地理空间信息已证明其至关重要,因为它可以提供早期预警信号和提供作战见解。在本文中,我们将介绍另一个应用领域,即收集地理空间信息以用于综合训练和模拟解决方案。政府(即情报界)和商业地理空间数据提供商(例如 Maxar Technologies)为选定的关注区域提供了大量接近实时的数据。例如,如果需要,Maxar 的卫星群每天可以提供多个重访周期。生成的大量地理空间数据是现代大数据分析的典型应用领域,而现代大数据分析则由先进的机器学习模型支持。考虑到这些技术进步,我们将提供一个端到端的地理空间平台来消化和分析捕获的数据(例如通过无人机或卫星)并输出 3D 环境,从而为关键任务规划和培训提供下一代建模和仿真 (M&S) 解决方案。
在 PROVIDENTIA++ 项目中,慕尼黑和纽伦堡之间的 A9 高速公路的一部分被改造成自动驾驶测试场地。作为其中的一部分,高速公路沿线建立了一个大型传感器网络系统,用于监控和引导交通,以及改善自动驾驶汽车和传统汽车之间的协调。智能交通系统的主要任务是创建一个能够实时准确表示实际道路状况的数字交通孪生。基于这个数字孪生,智能基础设施可以为驾驶员和自动驾驶汽车提供深远而全面的视图,以提高他们对当前交通环境的态势感知。有关 PROVIDENTIA++ 项目的更多信息,请访问 https://innovation-mobility.com/projekt-providentia/ 。
Figure 1: Depicts a) A conceptual figure showing different chemical subspaces, including unknown chemical space (gray), exposome chemical space (yellow), measurable chemical space (blue), measured chemical space (magenta), and identified/characterized chemical space (green) whereas b) shows the chemicals in US-EPA CompTox with 800 k unique structures.主成分图是使用六个元素质量缺陷和US-EPA Comptox中化学物质的单异位素质量产生的(这些计算的详细信息可在其他地方提供33,34)。应注意的是,子空间的大小仅用于可视化目的,并且不代表这些空间的真实大小。
机场是至关重要的国家资源。它们在人员和货物运输以及区域、国家和国际贸易中发挥着关键作用。它们是国家航空系统与其他交通方式的交汇点,也是联邦管理和监管空中交通运营的责任与拥有和运营大多数机场的州和地方政府的作用相交叉的地方。研究对于解决常见的运营问题、采用其他行业的适当新技术以及将创新引入机场行业都是必要的。机场合作研究计划 (ACRP) 是机场行业开发创新短期解决方案以满足其需求的主要手段之一。2003 年,TRB 特别报告 272:机场研究需求:合作解决方案基于联邦航空管理局 (FAA) 赞助的一项研究,确定了对 ACRP 的需求。ACRP 对机场运营机构共同存在且现有联邦研究计划未充分解决的问题进行应用研究。它仿照成功的国家公路合作研究计划和交通合作研究计划。ACRP 开展机场各学科领域的研究和其他技术活动,包括设计、建设、维护、运营、安全、安保、政策、规划、人力资源和行政管理。
Thomas Joyce 亚利桑那大学天文系、物理系月球与行星实验室 Ryland Phipps 亚利桑那大学航空航天与机械工程系 Craig Jacobson 亚利桑那大学月球与行星实验室 Tanner Campbell 亚利桑那大学航空航天与机械工程系 / 月球与行星实验室 Adam Battle 亚利桑那大学月球与行星实验室 Daniel Estévez 博士 独立研究员,西班牙 Roberto Furfaro 教授 亚利桑那大学系统与工业工程系、航空航天与机械工程系 Vishnu Reddy 教授 亚利桑那大学月球与行星实验室
摘要 本文介绍了一种由太阳帆推进的小型卫星任务概念,用于拦截并可能与新发现的瞬时星际物体 (ISO) 会合。该任务概念源自一项技术演示任务的提案,该任务旨在高速离开太阳系,最终到达太阳引力透镜的焦点区域。ISO 任务概念是将太阳帆飞向围绕太阳的保持轨道,当 ISO 轨道得到确认后,让帆飞行器达到超过 6 AU/年的逃逸速度。这将允许对新的 ISO 发现做出快速反应,并在距太阳 10 AU 以内进行拦截。两种新的行星际技术可用于实现此类任务:i) 行星际小型卫星,例如 MarCO 任务所展示的卫星,以及 ii) 太阳帆,例如 LightSail 和 IKAROS 任务所展示的卫星,以及为 NEA Scout 和 Solar Cruiser 任务开发的卫星。当前的技术工作表明,在十年内,此类任务已经可以飞行并到达穿越太阳系的 ISO。它可能使首次接触 ISO 时能够进行成像和光谱分析,测量尺寸和质量,从而可能提供有关该物体起源和成分的独特信息。可以使用类似的方法返回样本。
尽管有越来越多的证据表明,来自背侧视觉通路的输入对于腹侧通路中的物体 29 过程至关重要,但背侧皮质对这些 30 过程的具体功能贡献仍知之甚少。在这里,我们假设背侧皮质计算物体各部分之间的 31 空间关系(这是形成整体形状感知的关键过程)32,并将此信息传输到腹侧通路以支持物体分类。使用 fMRI 33 对人类参与者(女性和男性)进行研究,我们发现顶内沟 34 (IPS) 中的区域选择性地参与计算以物体为中心的部分关系。这些区域 35 表现出与腹侧皮质的任务依赖性功能和有效连接,36 与其他背部区域不同,例如代表异中心关系、3D 形状和 37 工具的区域。在随后的实验中,我们发现后 IPS 的多变量反应(根据部分关系定义)可用于解码与腹侧物体区域相当的物体类别。此外,中介和多变量有效连接分析进一步表明,IPS 可能解释了腹侧通路中部分关系的表征。总之,我们的结果突出了背侧视觉通路对物体识别的特定贡献。我们认为背侧皮层是腹侧通路的重要输入来源,可能支持根据整体形状对物体进行分类的能力。