Shape Reconstruction Of Unknown Tumbling Target Using Factor Graph-Based Dynamic SLAM
Notice bibliographique
Résumé
On Orbit Servicing (OOS) is increasingly vital in modern space missions, encompassing satellite maintenance, orbital assembly, and debris removal. Within this scope, servicing spacecraft must first inspect and characterize their target before initiation of any servicing actions. This paper introduces a navigation algorithm designed to reconstruct the shape of unknown space objects using a factor graph-based Simultaneous Localization and Mapping (SLAM) formulation, drawing on observed and identified point cloud features. The algorithm employs batch optimizations of collected measurements to facilitate real-time mapping of the target object. In addition, the space object is assumed to be tumbling which directly challenges the static environment assumption prevalent in most SLAM formulations. To address this, a dynamic SLAM formulation is leveraged, and a noisy parametric model is used to propagate the dynamic map as well as to construct the dynamic factor-graph at front-end level. Loop closures of previously seen features as they rotate and evolve with the target object are possible with the incorporation of kinematic factors. The latter’s store current available estimation of the dynamic model parameters and link consecutive landmark nodes in the factor graph thus closing the loop and enhancing the robustness and accuracy of the mapping process. Besides showing that the estimated point cloud map converges to the true map after a few iterations of batch factor graph optimizations in the static case first. The results also show that the use of a dynamic model allows to track the evolution of the map in the dynamic case and that the estimated dynamic map error is further reduced when using kinematic factors to close the loops. This method demonstrates promising prospects for equipping servicing spacecraft with advanced, modern, and robust perception intelligence for inspecting unknown target objects in orbit
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».