Capturing an Unknown Uncooperative Target with a Swarm of Spacecraft
Notice bibliographique
Résumé
On Orbit Servicing is evolving into a critical aspect of modern space activities either for satellite maintenance, orbital assembly, or active debris removal. In this context, the capture of large unknown uncooperative targets is becoming more and more important. This paper investigates the use of a swarm of small minimalist vehicles (i.e., CubeSats, Nanosats…) as a potential solution to the problem. Swarms bring robustness, flexibility, and cost-efficiency to the system. This study presents an effective behavior-based control approach that enables the decentralized capture of a tumbling rigid body by a swarm of free-flying robots in orbit. The guidance system is inspired by bio-inspired strategies for swarm control, incorporating a flocking behavior to maneuver the robots in close proximity to the surfaces of the target body. Additionally, an anti-flocking behavior is employed to optimize the distribution of agents, ensuring comprehensive coverage of the target surfaces and encapsulation of the body shape before triggering the capture. The agents are equipped with a memory capacity that allows them to synchronize their capture on the macroscopic scale using only local individual observation of landmark points on the rigid body and communication with neighboring agents. The control is entirely decentralized, and all swarm agents are interchangeable, demonstrating a leaderless self-organizing multi-agent system. This approach demonstrates promising prospects for achieving coordinated swarm-based capture of unknown uncooperative tumbling targets.
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 | 0,000 | 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 ».