MétaCan
Menu
Retour à la cohorte
Enregistrement W3215121263 · doi:10.1109/wisee50203.2021.9613827

Feasibility Study of Extracting Range Data From Resident Space Objects Using In-Orbit Observers

2021· article· en· W3215121263 sur OpenAlexaff
Aref Asgari, Matthew Driedger, Philip Ferguson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSpace Satellite Systems and Control
Établissements canadiensMagellan Aerospace (Canada)Natural Sciences and Engineering Research Council of CanadaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSpace debrisSituation awarenessSpace (punctuation)Computer scienceSpace explorationTracking (education)Orbit (dynamics)Range (aeronautics)Space technologySpace environmentGeocentric orbitIdentification (biology)Object (grammar)Robotic spacecraftAerospace engineeringRemote sensingComputer visionSatelliteSpacecraftArtificial intelligenceEngineeringPhysicsGeographyAstronomyRobot

Résumé

récupéré en direct d'OpenAlex

An accurate knowledge of the satellites, space debris, and other objects orbiting Earth is critical to mission planning and avoiding on-orbit collisions. Numerous ground and space-based space situational awareness platforms have been developed to aid in the identification and tracking of these objects, collectively known as resident space objects. While orbital space situational awareness satellites are ideal for identifying and tracking space debris, many other satellites have sensors that may be able to contribute to our space situational awareness capabilities. This research examines the feasibility of leveraging several different existing sensor technologies to aid in identifying and tracking resident space objects. Specifically, we investigate methods that can provide range measurements between the observing platform and the resident space object.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,309
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpace Satellite Systems and ControlTravaux en français237 207