自适应阈值方法缩减LEO会合候选集
热点事件持续更新
自适应阈值方法缩减LEO会合候选集
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Vedant Srinivas等研究者提出一种不确定性感知的LEO会合筛选方法，用基于传播径向不确定度的对象特定近地点阈值取代单一固定阈值，并配合二分高度扫描。在Space-Track GP目录33,791个对象、七天预测视界上评估，该方法保留1.628亿候选对，比固定50 km近地点阈值减少28.78%，比全对暴力筛查减少71.48%，且不遗漏两组独立传播参考集中的所有近距离交会。 在最大测试目录规模下，二分高度扫描比穷举区间评估快27倍，返回相同候选集。
AI 根据报道生成 · 49 分钟前更新
最新进展10月9日 12:00
自适应合成协方差阈值实现可扩展的 LEO 碰撞筛查报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.RO 机器人学自适应合成协方差阈值实现可扩展的 LEO 碰撞筛查
一种基于传播径向不确定度的自适应近地点阈值筛查方法，在 Space-Track GP 目录 33,791 个对象、七天预测视界上保留 1.628 亿候选对，相比固定 50 km 近地点阈值减少 28.78% 候选集，相比全对暴力筛查减少 71.48%，且不遗漏两组独立传播参考集中的所有近距离交会。配合二分高度扫描，在最大测试目录规模下比穷举区间评估快 27 倍并返回相同候选集。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。