Robotic magnetic mapping with the Kapvik planetary micro-rover
Notice bibliographique
Résumé
Abstract Geomagnetic data gathering by micro-rovers is gaining momentum both for future planetary exploration missions and for terrestrial applications in extreme environments. This paper presents research into the integration of a planetary micro-rover with a potassium total-field magnetometer. The 40 kg Kapvik micro-rover is an ideal platform due to an aluminium construction and a rocker-bogie mobility system, which provides good manoeuvrability and terrainability. A light-weight GSMP 35U (uninhabited aerial vehicle) magnetometer, comprised of a 0.65 kg sensor and 0.63 kg electronics module, was mounted to the chassis via a custom 1.21 m composite boom. The boom dimensions were optimized to be an effective compromise between noise mitigation and mechanical practicality. An analysis using the fourth difference method was performed estimating the magnetic noise envelope at ±0.03 nT at 10 Hz sampling frequency from the integrated systems during robotic operations. A robotic magnetic survey captured the total magnetic intensity along three parallel 40 m long lines and a perpendicular 15 m long tie line over the course of 3.75 h. The total magnetic intensity data were corrected for diurnal variations, levelled by linear interpolation of tie-line intersection points, corrected for a regional gradient, and then interpolated using Delaunay triangulation to lead a residual magnetic intensity map. This map exhibited an anomalous linear feature corresponding to a magnetic dipole 650 nT in amplitude. This feature coincides with a storm sewer buried approximately 2 m in the subsurface. This work provides benchmark methodologies and data to guide future integration of magnetometers on board planetary micro-rovers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».