เจ้าของนวัตกรรม
ผศ.ดร. พัชรินทร์ คำสิงห์
อาจารย์ที่ปรึกษา
Details
งานวิจัยนี้สร้างแบบจำลองการประมาณค่าตำแหน่งและทัศนคติของยานอวกาศโดยใช้การประมวลผลภาพผ่านโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Network) เพื่อสนับสนุนการปฏิบัติการเชื่อมต่อยานอวกาศในวงโคจร
การจับยานอวกาศเป้าหมายโดยยานไล่ล่าเป็นปฏิบัติการเชื่อมต่อในวงโคจรที่ต้องการอัลกอริทึมการจดจำวัตถุที่แม่นยำ เชื่อถือได้ และแข็งแกร่ง งานวิจัยนี้สร้างแบบจำลองการประมาณค่าตำแหน่งและทัศนคติ (Pose Estimation) โดยใช้การประมวลผลภาพผ่านโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Network) โดยดัดแปลงจากโมเดล GoogLeNet ที่ผ่านการฝึกฝนมาแล้วร่วมกับชุดข้อมูลที่สร้างจาก Unreal Engine 4 ของยานอวกาศ Soyuz
- วิธีการ: โครงข่ายประสาทเทียมเรียนรู้จากตัวอย่างข้อมูลเพื่อสร้างความสัมพันธ์ระหว่างภาพและพารามิเตอร์ 6 องศาอิสระของยานอวกาศ
- ผลการทดลอง: การใช้ฟังก์ชันสูญเสียแบบถ่วงน้ำหนัก Euclidean ให้ประสิทธิภาพสูง โดยมีความแม่นยำของตำแหน่ง 92.53% (ความคลาดเคลื่อน 1.2 เมตร) และความแม่นยำในการทำนายทัศนคติ 87.93% (ความคลาดเคลื่อนของมุม Euler ไม่เกิน 7.6 องศา)
- การประยุกต์ใช้: งานวิจัยนี้ช่วยแก้ปัญหาการตรวจจับและติดตามยานอวกาศ และสามารถพัฒนาต่อยอดเพื่อรองรับการปฏิบัติการเชื่อมต่อยานอวกาศจริงในอนาคต
Objective
เพื่อประยุกต์ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันในการประมาณค่าตำแหน่งและทัศนคติของยานอวกาศที่ไม่ให้ความร่วมมือ สำหรับการปฏิบัติการในระยะใกล้และการเชื่อมต่อยานอวกาศ
ประยุกต์ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Network) เพื่อประมาณค่าตำแหน่งและทัศนคติ (Pose Estimation) ของยานอวกาศที่ไม่ให้ความร่วมมือ (Non-cooperative spacecraft) สำหรับการปฏิบัติการในระยะใกล้และการเชื่อมต่อยานอวกาศ