XiaoMi-AI文件搜索系统
World File Search System航天器
操作深空自主航天器：可操作性和信任度的地面流程和工具
未来的深空机器人探测器将使用先进的机载自主技术来解决高优先级的科学问题，例如观察快速变化的现象和适应动态环境条件。机载自主技术（例如规划和调度、科学目标识别和基于内容的数据汇总）将带来令人兴奋的全新深空科学任务。然而，传统的操作实践、技能和流程并不是为具有这种机载自主能力的航天器设计的。本文总结了 JPL 进行的为期两年的调查结果，旨在探索地面操作流程、实践和工具需要如何调整才能支持有效使用机载自主技术。特别是，我们确定了需要增强当前工作流程和工具的领域，以适应深空探索机载规划和调度软件的指挥和分析。我们的重点是机载规划和调度：我们确定了必要的变更，以使操作员和科学家能够通过目标和优先级（而不是命令序列）向未来自主航天器的规划和执行系统传达他们的预期意图，并能够重建和解释机载决策和航天器的状态 - 为用户信任自主性提供了一条切实可行的途径，这是全面采用的最大障碍之一。总的来说，这些结果构成了采用机载航天器自主性的关键步骤，这将使人们能够对外太阳系、小天体和海洋世界表面进行新的、更大胆的探索。
通过隐基因遗传算法优化多航天器地月空间领域感知系统
本文提出了一种优化问题公式，以通过多航天器监测解决地月空间域感知 (SDA) 的挑战。由于关注点范围广以及动态环境丰富，传统的地球架构设计方法难以满足地月 SDA 的设计要求；因此，越来越需要在地月轨道上部署多航天器系统以实现 SDA。基于多航天器的地月 SDA 架构的设计会产生一个复杂的多目标优化问题，其中必须同时考虑航天器数量、可观测性和轨道稳定性等参数。通过使用多目标隐基因遗传算法，本研究探索了与地月 SDA 问题相关的整个设计空间。演示案例研究表明，我们的方法可以提供针对成本和效率进行优化的架构。
PAseos 模拟操作多艘航天器的环境
摘要 下一代航天器有望实现各种新应用，包括机载处理、机器学习和分散操作场景。尽管其中许多应用之前已经提出并评估过，但实际任务场景的操作约束通常要么未被考虑，要么只是初步考虑。在这里，我们介绍了一个名为 PASEOS 的开源 Python 模块，该模块能够模拟涉及一个或多个航天器的操作场景。它考虑了几种物理现象，包括热、功率、带宽和通信约束以及辐射对航天器的影响。PASEOS 既可以作为高性能导向的数值模拟运行，也可以在边缘硬件上直接以实时模式运行。我们在三种场景中展示了这些功能，一种是在 Unibap iX-10 100 卫星处理器上的实时模拟，另一种是在模拟建模整个星座在几个小时内执行任务的模拟，一种是在分散环境中训练机器学习模型。虽然我们展示了地球轨道上的任务，但 PASEOS 在概念上也设计为允许深空场景。我们的结果表明，PASEOS 可以有效地模拟所述场景，从而提供对操作考虑的洞察。我们从运行时间和开销的角度以及通过研究星座的建模温度、电池状态和通信窗口来展示这一点。通过在实际卫星处理器上运行 PASEOS，我们展示了如何将 PASEOS 直接纳入未来任务的硬件演示器中。总的来说，我们提供了第一个解决方案，可以全面模拟航天器在地球轨道及更远的地方遇到的物理约束。PASEOS 模块可在线开源，并附有大量文档，使研究人员能够快速将其纳入他们的研究中。
2022 年先进小型航天器技术报告
NASA STI 计划在 特别出版物。 它负责收集、组织、归档和传播 NASA 计划、项目和任务中的科学、技术或历史信息。 NASA STI 计划通常涉及与公众利益相关的主题。 技术翻译。 从而提供了世界上最大的外国航空航天科学 STI 英语翻译集合之一。 与 NASA 任务相关的科学和技术材料在 NASA 非渠道和 NASA STI 报告系列中发布，该系列包括以下报告类型： 专业服务还包括组织和发布研究结果、分发 技术出版物。专门研究报告和已完成的研究或重大研究阶段的报告，提供搜索支持，并支持数据交换或理论分析。包括重要的科学和技术汇编。有关 NASA STI 数据和信息的更多信息，请参阅以下内容：同行评审的正式专业论文，但对稿件长度和图形演示范围的限制较少。 将您的问题通过电子邮件发送至 help@sti.nasa.gov
最先进的小型航天器技术
NASA STI 计划在 特别出版物。 它负责收集、组织、归档和传播 NASA 计划、项目和任务中的科学、技术或历史信息。 NASA STI 计划通常涉及与 NASA 重大公共利益相关的主题。 航空航天数据库及其公共界面 NASA 技术报告服务器、 技术翻译。 从而提供世界上最大的外国航空航天科学 STI 英语翻译集合之一。 与 NASA 任务相关的科学和技术材料在 NASA 非渠道和 NASA STI 报告系列中发布，该系列包括以下报告类型： 专业服务还包括组织和发布研究结果、分发 技术出版物。专门研究报告和已完成的研究或重大研究阶段的报告，提供搜索支持，并支持数据交换或理论分析。包括重要的科学和技术汇编。有关 NASA STI 数据和信息的更多信息，请参阅以下内容： 访问 NASA STI 计划主页，但对稿件长度和图形演示范围的限制较少。 将您的问题通过电子邮件发送至 help@sti.nasa.gov
使用基于深度强化学习的引导进行航天器机器人捕获的实验室实验
术语 A = 动作空间 a = 动作 a ，b = 机械手长度属性，m B = 值分布箱的数量 C = 科里奥利矩阵 dt = 目标上的对接口位置，m E = 期望 h = 角动量，kg ⋅ m2 ∕ s I = 转动惯量，kg ⋅ m2 J = 总预期奖励 K = 参与者数量 L = 损失函数 l = 线性动量，kg ⋅ m ∕ s M = 质量矩阵 M = 小批量大小 m = 质量，kg N = N 步返回长度 N = 正态分布 p = 位置，m R = 重放缓冲区大小 r = 奖励 u = 控制力度 v = 速度，m ∕ s X = 状态空间 x = 总状态；特定状态，下标为 c 或 tx = x 方向的位置，m Y = 目标值分布 y = y 方向的位置，m Z ϕ = 具有参数 ϕ 的价值神经网络 α = 策略网络学习率 β = 价值网络学习率 γ = 未来奖励的折扣因子 ϵ = 权重平滑参数 π θ = 具有参数 θ ϕ 0 或 θ 0 的策略神经网络 = ϕ 或 θ ϕ 的指数平滑版本，q = 角度，度 σ = 探索噪声标准差 ω = 角速率，rad ∕ s
航天器飞行过程中废弃物抛弃
学生项目概述：NASA 寻求创新的废物抛射系统，该系统必须高效可靠，以免对航天器、机组人员或其他行星造成危险。在没有废物抛射系统的情况下，由于航天器在机动过程中质量较大，因此任务将需要额外的推进剂。因此，需要一个飞行中的大质量废物控制系统来向太阳抛射。
