基于深度学习目标识别的航天员训练场景理解技术

增强现实(AR)是航天员训练的有效途径,其关键技术是场景重建与空间定位。针对当前AR设备只能进行场景空间静态识别,无法感知目标动态变化的问题,提出了深度学习与AR技术相结合的目标识别与位姿估计方法。采用YOLO v5神经网络实现了小训练样本量的操作目标识别,结合深度信息实现了目标点云分割,与目标CAD模型点云进行ICP匹配后估计出目标的三维空间位姿,从而在AR显示空间中实现目标的动态定位与虚实融合。结果表明:YOLO v5的识别平均精度可以达到0.995,虚实结构可以准确叠加。该方法可有效提高AR设备的场景理解能力,扩展航天员AR训练手段。

多模式柔索驱动航天员训练机器人力控制

为解决长期在失重环境下生活和工作的航天员的康复训练问题,针对现有的航天员训练设备功能单一、训练效果不理想的现状,研制了多模式柔索驱动航天员训练机器人。基于模块化、可重构的机器人构型,通过机器人模拟重力环境的负载特征,把相应的载荷施加到人体上,实现航天员在失重环境下进行跑步、卧推和负重深蹲等体育训练,帮助航天员减轻或者克服空间适应综合征带来的不利影响;在此基础上提出一种机器人双闭环力控制策略,人机跑步训练实验结果表明,本文研制的多模式航天员训练机器人构型合理,控制策略有效,可以辅助在失重环境下生活和工作的航天员开展体育训练。

航天员训练中心模拟设备的制作和应用

本文介绍了俄罗斯航天员训练中心模拟设备设计的基本概念及应用情况。在研制和使用模拟器设备中采用以下几条原则：分层原则，模块原则，通用原则，整合原则。文中还介绍了中性浮力水槽，离心机，综合训练模拟器，ＴＵ—１５４ＭＬＫ—１和ＩＬ—７６ＭＤＫ失重飞机等训练设备。

NASA国际空间站运营航天员训练的组织与管理

国际空间站在轨运行十余年，NASA积累了大量航天员训练组织与管理的经验，并发展了很多新的训练方法和手段。航天飞机退役后，为适应有限的运载要求，NASA对国际空间站航天员训练的组织与管理进行了调整。本文综述了NASA航天员大队配置状况，其中包括航天员岗位设置和时间安排情况，介绍了航天员训练方法和最新发展情况以及未来相关要求和趋势，通过分析，本文最后给出了对NASA航天员训练组织与管理相关情况的总结和启示，期望能够给相关专家和研究人员提供借鉴。

NASA进行特殊环境航天员训练“CAVES”任务

由6名航天员组成的国际乘组于9月7日开始执行为期6天的地下寻找生命任务“CAVES”。“CAVES”是一项用于评估与训练人的行为和绩效的合作冒险活动，旨在训练航天员在一个多元文化环境中安全、高效工作，提高他们的团队精神和领导技能，同时使用太空程序探索未知领域。

“神七”航天员训练近观察

神舟飞船和舱外航天服的任务,是在茫茫太空中创造出一个人能够生存的环境。航天员的地面训练设备则承担着相反的使命——在地面上创造出一个模拟太空的环境,让航天员在其中进行适应性训练。

2015年国外航天员训练及医学研究进展

2015年，俄罗斯航天员根纳季·帕达尔卡（GennadyPadalka）创造了人类在轨驻留时间的最新纪录——878天，国际空间站一年期任务乘组也“页利驻站，利用国际空间站开展一年期七大类的人体研究实验，同时，各类地面模拟试验也按计划顺利实施。本文针对2015年国外航天员系统的发展进行了全面综述。

航天员训练揭秘(二)——专业技术训练及飞行模拟训练

航天员作为一种特殊职业,像其他任何职业一样,需要有足够的学习时间和专业培训过程。由于载人航天任务的需要,航天员要在特殊环境下生活和工作。除必须适应这些环境生活外,还需能操作、维护在飞船中配置的多样的、复杂的仪器设备,完成各种科学研究项目和观测任务。所以,需要进行基础理论、专业技术学习和飞行模拟训练。

航天飞机与空间站航天员训练方法比较

美国航天飞机已经有十年的飞行历史，航天飞机航天员的训练计划有很大的发展，今天的训练计划与航天飞机初期的计划已有很大的不同。目前，训练一名航天员需要的时间大大少于１９８１年的训练时间，训练次数比８０年代初期少３５％。在训练内容方面也有很大差别。模拟设备...