Star-Fusion: A Multi-modal Transformer Architecture for Discrete Celestial Orientation via Spherical Topology

1. Declaração do Problema

O artigo aborda o desafio crítico da determinação de atitude autônoma de espaçonaves, especificamente em cenários "Perdido no Espaço" (LIS), onde um satélite não possui conhecimento prévio de sua orientação.

• Limitações dos Métodos Tradicionais: Algoritmos clássicos (por exemplo, Pyramid, Grid) dependem de centróides estelares e correspondência de subgrafos contra catálogos massivos. Estes têm dificuldades com manobras de alta dinâmica, ruído do sensor e falsos positivos provenientes de detritos espaciais.
• Limitações da Aprendizagem Profunda Existente: Embora a aprendizagem profunda ofereça robustez, modelos de regressão padrão falham em lidar com a topologia não euclidiana da esfera celeste. Especificamente, as condições de fronteira periódicas do Ascensão Recta (0°–360°) causam artefatos de "envolvimento" (wrap-around), levando a treinos instáveis e erros elevados perto da fronteira 0/360. Além disso, os Transformers de Visão padrão (ViTs) frequentemente carecem de priores geométricos explícitos necessários para correspondência precisa de constelações.

2. Metodologia: A Arquitetura Star-Fusion

Os autores propõem o Star-Fusion, uma arquitetura multimodal que reformula a estimativa de orientação de um problema de regressão contínua para uma tarefa de classificação topológica discreta.

A. Estratégia de Discretização Esférica

Para resolver o problema da fronteira periódica, os autores mapeiam a esfera celeste em um espaço de rótulos topologicamente consistente:

1. Transformação: As coordenadas RA/Dec são convertidas em vetores unitários 3D numa esfera: $\phi(\alpha, \delta) = [\cos \delta \cos \alpha, \cos \delta \sin \alpha, \sin \delta]^T$.
2. Agrupamento: O agrupamento K-Means esférico particiona a esfera em $K$ regiões.
3. Rotulagem: A orientação de verdade é atribuída ao centróide do agrupamento mais próximo, efetivamente suavizando a paisagem de perda e eliminando descontinuidades angulares.

B. Fusão Multimodal de Três Ramificações

A arquitetura emprega três codificadores paralelos que fundem fluxos de dados heterogéneos:

1. Ramificação Fotométrica (SwinV2-Tiny): Utiliza um Transformer de Janela Deslocada para extrair características globais de textura e densidade estelar. O mecanismo de janela deslocada é crucial para lidar com constelações que abrangem os limites do sensor de imagem.
2. Ramificação Geométrica (CNN): Processa um mapa de calor sintético (kernels gaussianos representando posições estelares) para impor ancoragem espacial e capturar relações geométricas ponto a ponto.
3. Ramificação de Coordenadas (MLP): Um Perceptron Multicamadas de 3 camadas processa vetores de coordenadas numéricos brutos para fornecer rácios geométricos de alta fidelidade invariantes ao ruído fotométrico.

C. Lógica de Fusão

O modelo utiliza uma estratégia de fusão tardia. As características de todas as três ramificações ($h_p, h_g, h_c$) são concatenadas, normalizadas via LayerNorm e passadas através de uma cabeça de classificação. Isto garante que cada modalidade desenvolva representações independentes antes da integração, prevenindo que qualquer ramificação única domine o fluxo de gradiente.

3. Contribuições Principais

• Reformulação Topológica: Introdução de um método de rotulagem por K-Means esférico que resolve o problema da fronteira periódica RA/Dec, permitindo treino estável para orientação celeste.
• Arquitetura Híbrida: Desenvolvimento de um novo modelo de fusão de três ramificações que combina a atenção global dos Transformers (SwinV2) com a precisão local das CNNs e a estabilidade numérica das MLPs.
• Desempenho Pronto para Borda: Demonstração de que o modelo atende a requisitos estritos de latência para Sistemas de Determinação e Controlo de Atitude (ADCS) em hardware embutido de baixa potência.

4. Resultados Experimentais

O modelo foi avaliado num conjunto de dados sintético de 50.000 imagens de campos estelares derivados do catálogo Hipparcos.

• Precisão:
  • Precisão Top-1: 93,4% (vs. 84,2% para a linha de base SwinV2 e 79,4% para ResNet-50).
  • Precisão Top-3: 97,8%.
  • Precisão Top-5: 99,2%.
• Estudo de Ablação:
  • A remoção da Ramificação de Coordenadas causou uma queda de 4,5% na precisão Top-1, provando a necessidade de características numéricas brutas para ajuste fino.
  • A remoção da ramificação de Mapa de Calor resultou numa queda de 3,3%.
  • O modelo multimodal completo superou a linha de base unimodal SwinV2 em 9,2%.
• Eficiência Computacional:
  • Hardware: NVIDIA Jetson Orin Nano (modo 15W).
  • Parâmetros: ~29,8M.
  • Latência de Inferência: 18,4 ms (Taxa de transferência: 54,3 FPS).
  • Esta latência suporta controlo em malha fechada para satélites que exigem atualizações de atitude >10 Hz.

5. Significado e Direções Futuras

Significado:
O Star-Fusion fornece um framework escalável e robusto para navegação celeste autônoma, particularmente para a indústria "New Space" (por exemplo, CubeSats). Ao descarregar a complexidade geométrica para uma rede pré-treinada e evitar consultas pesadas a bases de dados, permite recuperação em tempo real "Perdido no Espaço" sem sobrecarga significativa de potência.

Limitações e Trabalho Futuro:

• Erro de Quantização: Com $K=12$ agrupamentos, a resolução atual é insuficiente para precisão de arco-segundo (ponto fino). O trabalho futuro propõe Agrupamento Hierárquico Esférico (de grosso a fino) para alcançar precisão sub-grau.
• Lacuna de Domínio: O modelo é treinado em dados sintéticos; iterações futuras explorarão adaptação de domínio em órbita para lidar com ruído real do sensor (corrente de escuro, pixels quentes por radiação).
• Dinâmicas Temporais: A investigação futura visa integrar Atenção Temporal (RNNs ou Transformers Temporais) para utilizar mecânica orbital e dados de trajetória como priores para suavizar transições de orientação durante manobras de alta dinâmica.