Die NASA hat im Frühjahr 2025 die Vergabe der Early‑Career‑Faculty (ECF) Awards abgeschlossen, wobei insgesamt acht Forschungsprojekte von Universitäten in den USA gefördert werden. Die ausgewählten Vorhaben konzentrieren sich auf fortschrittliche Diagnostik für Hochenthalpie‑Testanlagen sowie auf maschinelles Lernen zur autonomen Navigation von Raumfahrzeugen.
Diagnostik für Hochenthalpie‑Testanlagen
Damiano Baccarella von der University of Tennessee, Knoxville, erhält Unterstützung für die Anwendung von Resonanz‑verstärkter Mehr‑Photon‑Ionisations‑Diagnostik zur Charakterisierung von Arcjet‑Strömen. Ziel ist es, die Messgenauigkeit bei Simulationen des Wiedereintritts von Raumfahrzeugen zu erhöhen.
Ciprian Dumitrache von der Colorado State University entwickelt ultrakurze Laserdiagnostik, um nicht‑gleichgewichtige Strömungsfelder während Wiedereintritts‑Studien zu erfassen. Die Methode soll schnelle Änderungen von Temperatur und chemischer Zusammensetzung sichtbar machen.
Dan Fries von der University of Kentucky, Lexington, arbeitet an einer multiplexierten Polarisations‑Spektroskopie, die in einem einzigen Schuss mehrere Spezies in Hochenthalpie‑Strömen detektiert. Die Technik verspricht eine höhere Datenrate bei Labor‑ und Flugtests.
Yi Mazumdar von der Georgia Institute of Technology kombiniert Temperatur‑, Spezies‑ und Geschwindigkeitsmessungen mittels ultrakurzer Laserdiagnostik, um Bodentests von Wiedereintrittssystemen präziser zu gestalten.
Maschinelles Lernen fĂĽr autonome Raumfahrzeuge
Glen Chou von der Colorado School of Mines entwickelt ein robustes, hierarchisches neuronales Planungssystem, das Echtzeit‑Entscheidungen mit systemweiten Garantien ermöglicht. Das Projekt zielt darauf ab, die Reaktionsfähigkeit von Raumfahrzeugen in dynamischen Umgebungen zu verbessern.
Roshan Eapen von der University of California, Berkeley, arbeitet an einer Hamilton‑Jacobi‑basierten Planungs‑ und Reasoning‑Methode (HJ‑PRISM) für intelligente Raumfahrzeugmanöver. Die Methode soll komplexe Trajektorien effizient berechnen.
Bin Hu von der Stanford University erforscht ein sicherheits‑ und effizienz‑orientiertes On‑Board‑Planungs‑Framework, das physik‑informiertes Reinforcement Learning nutzt, um autonome Raumfahrzeuge sicher zu steuern.
Dieser Bericht basiert auf Informationen von NASA, lizenziert unter Public Domain (U.S. Government Work).
Ende der Uebertragung