The Use of Digital Terrain Models for Natural Feature Tracking at Asteroid Bennu
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Origins, Spectral Interpretation, Resource Identification, and Security–Regolith Explorer (OSIRIS-REx) mission rendezvoused with asteroid (101955) Bennu in 2018 with the primary objective of collecting a sample of regolith from the surface. As the first NASA asteroid sample return mission, OSIRIS-REx deployed several new technologies to achieve program objectives. Here we present an overview of Natural Feature Tracking (NFT), a system developed to autonomously guide the spacecraft to the desired sampling site using optical navigation and the natural terrain on the surface of Bennu. NFT utilized a series of image-based digital terrain models (DTMs) constructed by means of stereophotoclinometry to represent patches on the surface of the asteroid. These DTMs were used to generate synthetic renderings of the terrain and identify features for use in navigating to the sampling location. In addition, high-resolution models of the sampling site constructed from scanning lidar data were used for predicting the time and location of contact with the surface. These models went through a series of validation tests to ensure the performance of the NFT system. When the spacecraft executed the sampling trajectory in 2020 October, NFT enabled real-time guidance updates that delivered it safely to the desired sampling location while also providing critical hazard avoidance capabilities in the rocky Bennu environment.
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.
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 | 0,001 | 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle