Testing Mars-inspired operational strategies for semi-autonomous rovers on the Moon: The GeoHeuristic Operational Strategies Test in New Mexico.
Notice bibliographique
Résumé
BACKGROUND: We tested the science operational strategy used for the Mars Exploration Rover (MER) mission on Mars to determine its suitability for conducting remote geology on the Moon by conducting a field test at Cerro de Santa Clara, New Mexico. This region contains volcanic and sedimentary products from a variety of provenances, mimicking the variety that might be found at a lunar site such as South Pole-Aitken Basin. METHOD: At each site a Science Team broke down observational "days" into a sequence of observations of features and targets of interest. The number, timing, and sequence of observations was chosen to mimic those used by the MERs when traversing. Images simulating high-resolution stereo and hand lens-scale images were taken using a professional SLR digital camera; multispectral and XRD data were acquired from samples to mimic the availability of geochemical data. A separate Tiger Team followed the Science Team and examined each site using traditional terrestrial field methods, facilitating comparison between what was revealed by human versus rover-inspired methods. LESSONS LEARNED: We conclude from this field test that MER-inspired methodology is not conducive to utilizing all acquired data in a timely manner for the case of any lunar architecture that involves the acquisition of rover data in near real-time. We additionally conclude that a methodology similar to that used for MER can be adapted for use on the Moon if mission goals are focused on reconnaissance. If the goal is to locate and identify a specific feature or material, such as water ice, a different methodology will likely be needed.
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 | 0,001 |
| Science ouverte | 0,000 | 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 ».