多目标光谱仪中天文机器人收敛预测的学习方法
天体物理仪器与方法
2022-10-07 v1 机器人学
摘要
天文机器人集群被用于捕获天文信号以生成可观测宇宙地图，用于暗能量研究。每个集群在协调过程中的收敛必须超过特定阈值才能产生令人满意的地图。当前的协调方法并非总能达到期望的收敛率。此外，这些方法极为复杂，若不进行耗费资源的模拟，便无法对其结果进行形式化验证。因此，我们使用支持向量机训练一个模型，该模型可基于该集群先前的协调数据预测其收敛性。在给定固定奇偶性（即天文机器人外臂的旋转方向）对应于一个集群的情况下，我们的算法相比当前最优方法达到了更好的预测性能。此外，我们改进了算法以解决更广义的收敛预测问题，其中天文机器人的奇偶性可能不同。我们给出了一个广义场景的预测结果，该场景涉及一个 487 个天文机器人的集群；鉴于此场景相较受限场景具有极高的复杂性，其预测结果高效且无障碍碰撞，颇为有趣。
引用
@article{arxiv.2210.02600,
title = {Learning convergence prediction of astrobots in multi-object spectrographs},
author = {Matin Macktoobian and Francesco Basciani and Denis Gillet and Jean-Paul Kneib},
journal= {arXiv preprint arXiv:2210.02600},
year = {2022}
}