Architecture Trades for Accessing Small Bodies with an Autonomous Small Spacecraft
Notice bibliographique
Résumé
Characterizing the composition, properties, and environments of Small Bodies is key to understanding the origins and processes of the Solar System. Traditionally, our knowledge has been limited to ground observations and selected few missions which cannot fully characterize the diversity of Small Bodies. Advances in miniaturized spacecraft technologies have recently enabled small spacecraft to perform missions in deep space, as demonstrated by Mars Cube One in 2018. Additional missions are being developed to further mature these technologies and expand their capabilities. We investigate a new approach to exploring Small Bodies, where standalone small spacecraft can be used as a more affordable approach to autonomously navigate, rendezvous, and characterize them. We review relevant mission concepts, available targets, architecture trade-offs, and required technologies for baseline mission design options. Using near-term technologies that will be available in less than 3 years, Our results indicate that it is possible for standalone small spacecraft to rendezvous one of several Small Bodies. It was found that a 24 kg and 180 kg spacecraft would be capable of delivering payloads of 1.5 kg and 10 kg, respectively, to several near-Earth asteroids candidates. With a departure window of 2022 to 2030, the number of available targets for the 24 kg and 180 kg architectures are 9 to 177 and 104 to 1132 respectively. The number of targets depends on additional requirements, such as orbit uncertainty, composition, and diameter. Enabling technologies include high-delta-V (>3 km/s) miniature electric propulsion system, high-efficiency (>100 W/kg) deployable solar arrays, and improved computational hardware and software for autonomy. Advances in miniaturized instruments, high-performance radiation-tolerant avionics, and interplanetary communications systems can also be leveraged. In the long term, a standardized autonomous small spacecraft architecture could enable a fleet of spacecraft to perform a cursory exploration of a representative sample of Small Bodies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».