PulseAugur
实时 11:38:33
English(EN) Physics-informed Conditional Normalizing Flows for Angles-only Cislunar Orbit Determination

人工智能驱动的轨道确定使用归一化流进行近地月空间导航

研究人员通过将生成模型应用于仅角度测量,开发了一种在近地月空间环境中进行轨道确定的新方法。该方法将问题表述为条件密度估计,使用在扰动观测上训练的归一化流。然后,训练好的模型可以从新的测量中生成统计上一致且符合物理信息的状态假设,这些假设随后通过经典算法进行优化以提高精度。 AI

影响 这项研究推进了生成模型在航天动力学中的应用,有望提高空间导航的精度和效率。

排序理由 该集群包含一篇研究论文,详细介绍了人工智能技术在特定科学问题上的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

人工智能驱动的轨道确定使用归一化流进行近地月空间导航

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Walther Litteri, Massimiliano Vasile ·

    Physics-informed Conditional Normalizing Flows for Angles-only Cislunar Orbit Determination

    arXiv:2606.30936v1 Announce Type: cross Abstract: Generative Astrodynamics is advanced in this work by extending generative modelling to an orbit determination problem in the cislunar environment. The task is formulated as conditional density estimation, aiming to infer the proba…