自适应量化行星陨石检测系统用于自主太空探索
机器学习
2026-04-21 v4 人工智能
计算机视觉与模式识别
新兴技术
系统与控制
系统与控制
摘要
自主太空探索需要实时、高保真的环境感知。标准深度学习模型需要大量计算资源。相比之下，太空合规的 onboard 计算机受限于功耗、热量和内存。这种差异制造了严重的工程瓶颈，阻止了在外太空探索平台上部署高性能感知架构。本篇基础概念论文提出了自适应量化行星陨石检测系统（AQ-PCDSys）的理论架构，以解决此瓶颈。我们提出的数学蓝图集成了一个专为量化感知训练（QAT）设计的 INT8 量化神经网络（QNN）。为解决传感器脆弱性问题，我们数学上形式化了一个自适应多传感器融合（AMF）模块。通过推导出空间注意力门控所需的精确整数重量化倍数，该模块主动选择并融合光学图像（OI）和数字高程模型（DEM），在极端背光和光学硬件故障期间确保可靠感知。此外，该架构引入了无锚框、中心到边缘回归头，并受局部 FP16 坐标转换保护，准确地描绘不对称的月球陨石，避免严重的整数截断。本文不提供物理硬件遥测数据，而是确立了该架构的理论边界、结构逻辑和数学依据。我们概述了严格的硬件在环（HITL）评估协议，以定义未来实证验证所需的确切测试标准，为下一代太空任务软件设计铺平了道路。
引用
@article{arxiv.2508.18025,
title = {Adaptive Quantized Planetary Crater Detection System for Autonomous Space Exploration},
author = {Aditri Paul and Archan Paul},
journal= {arXiv preprint arXiv:2508.18025},
year = {2026}
}
备注
14 pages, 7 figures. A foundational architectural blueprint for a deep-learning-based planetary crater detection system utilizing INT8 quantization and adaptive multi-sensor fusion for resource-constrained spaceflight hardware