Lunar Network Autonomous Routing (LEARN)
LEARN menggunakan pembelajaran penguatan multiagen untuk memilih rute, penjadwalan paket, dan sumber daya pada jaringan komunikasi Bulan yang berubah.
Telusuri profil teknologi beserta ringkasan dan rujukannya.
LEARN menggunakan pembelajaran penguatan multiagen untuk memilih rute, penjadwalan paket, dan sumber daya pada jaringan komunikasi Bulan yang berubah.
CubeRover mengintegrasikan pemanas radioisotop kecil dan radio jarak jauh dengan pengujian mobilitas setempat untuk menilai operasi robot melewati malam Bulan serta wilayah jelajah luas.
Stabilisasi regolit Bulan meneliti binder dan aplikator untuk lapisan semprot serta bata otomatis, dengan optimasi formulasi dan pengujian vakum agar bahan setempat dapat digunakan sebagai konstruksi stabil.
Mobility Coordinator memadukan kendali lintasan rover dan estimasi keadaan setiap roda dalam perangkat lunak modular untuk medan Bulan.
BrickLayer mengusulkan alur persiapan lahan dan pembuatan bata regolit yang ditempatkan tanpa mortar untuk landasan, permukaan keras, serta pelindung semburan di Bulan.
Proyek rangka Bulan meneliti penyambungan robotik dengan refill friction stir spot welding untuk merakit menara dan struktur besar tanpa harus mengelola banyak pengikat kecil.
LunarCube mengusulkan satelit kecil dengan pendorong ion frekuensi radio dan propelan yang dapat disimpan padat untuk mendemonstrasikan perjalanan dari orbit geosinkron menuju Bulan.
LV-MLI mengembangkan insulasi multilapis terintegrasi dengan aeroshell ringan agar tangki propelan kriogenik yang terbuka pada kendaraan peluncur mendapat perlindungan termal dan mekanis.
LVDT mengubah posisi linear inti magnetik menjadi tegangan diferensial melalui perubahan kopling antara lilitan transformator.
Komposit karbon-karbon berbasis Lyocell diteliti sebagai material ekstensi nosel besar, dengan perhatian pada kecocokan termal, kebutuhan keselamatan struktur, dan sumber pasokan bahan.
Strategi peningkatan kapasitas lisosom diteliti untuk menjaga antarmuka elektroda otak kronis, menguji apakah pembersihan debris merupakan faktor pembatas kegagalan implantasi.
Mach Effect Thruster dipelajari sebagai konsep propulsi eksperimental melalui peningkatan perangkat laboratorium, pengendalian elektris, dan pemodelan prediksi thrust yang perlu diuji lebih lanjut.
Pembelajaran mesin untuk desain misi meneliti pemodelan dinamika wahana dan pengendalian lintasan dalam masalah astrodinamika kompleks agar kandidat perjalanan dapat dibangkitkan secara otomatis.
META-HASDM mengembangkan pemodelan pembelajaran mesin atas kerapatan atmosfer dan ketidakpastian hambatan untuk membantu perkiraan orbit satelit.
Vision Engine memakai active learning untuk memilih citra paling berguna bagi anotasi manusia sehingga pelatihan jaringan penglihatan dapat memakai label secara lebih hemat.
Analisis visi pembelajaran mesin mengekstrak panjang gelombang ketidakstabilan pendidihan untuk model transportasi panas flow boiling yang memasukkan kendala fisika.
MAGE mengusulkan kerangka dan API pemrosesan pembelajaran mesin yang membagi komputasi serta penyimpanan di antara satelit berjejaring agar analisis intensif dapat dilakukan di orbit.
M-SLCA menggabungkan pembelajaran mesin dan data publik untuk screening dampak lingkungan produk bangunan melalui antarmuka interaktif.