Emerging strategies in close proximity operations for space debris removal: A review
Notice bibliographique
Résumé
Space debris removal remains a leading issue for space missions due to the rapidly increasing number of objects in low earth orbit that pose a substantial risk of collision with spacecraft. Space debris removal is necessary to reduce the probability of on-orbit collisions and reduce the potential for mission failure of active spacecraft. Various active and passive methods have been proposed to remove or deorbit space debris. Active methods include the use of tentacles, robotic arms , nets, tethers, harpoons, lasers, deorbiter modules, ion beam shepherds, foam-based, and sling-sat methods, while passive methods include the use of drag sails and solar sails. While active debris removal methods have great potential, they also have inherent risks related to target fragmentation, challenges with deployment and control, and complicated close-proximity operation phases. In terrestrial applications , new strategies have emerged to address risks of fragmentation during object capture or manipulation, such as soft grippers, as well as to improve path planning and control during remote close-proximity operations, such as through virtual and mixed reality systems. This paper reviews prominent active space debris removal methods, techniques employed during close proximity capture operations, as well as promising terrestrial gripping technologies, control schemes, and teleoperation strategies for space applications. In order to effectively capture, detumble, and deorbit space debris using contact-based methods, such as robotic arms or tethered grippers, it is essential to have accurate knowledge of the debris’ geometric and inertial properties. and, thus, recent efforts in inertial parameter estimation are presented and discussed. Furthermore, operational and control strategies for space debris removal are investigated starting from traditional schemes, such as teleoperation, to emergent approaches derived from terrestrial control technologies, such as virtual and mixed reality.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».