La despesa energètica per metabolisme (Metabolic Rate, MR) és una magnitud fonamental en els passejos espacials. La predicció de la despesa energètica durant una travessia futura en condicions específiques de velocitat, pendent, gravetat i vestit espacial pot proporcionar informació valuosa sobre la quantitat de consumibles necessaris (principalment oxigen i aigua), la ruta més adequada per assolir els objectius de la missió, a l'igual que obtenir informació sobre la càrrega de treball, la fatiga acumulada i les possibles lesions.
En aquest projecte, vaig fer una descripció general dels mètodes i models existents desenvolupats per estudiar el cost energètic per desplaçar-se a peu, així com els resultats biomèdics de les missions Apol·lo i el desenvolupament actual de vestits espacials per a futures missions.
Vaig explorar la possibilitat d'utilitzar mètodes predictius basats en aprenentatge màquina per determinar MR com una forma de millorar els models actuals tant per a les activitats extravehiculars (EVA) com per als recorreguts de la Terra.
També vaig fer un prototip de l'eina predictiva i la vaig provar amb dades simulades. L'eina pot integrar-se en una altra aplicació o usar-se com una API per HTTP.
El gasto energético por metabolismo (Metabolic Rate, MR) es una magnitud fundamental en los paseos espaciales. La predicción del gasto energético durante una travesía futura en condiciones específicas de velocidad, pendiente, gravedad y traje espacial puede proporcionar información valiosa sobre la cantidad de consumibles necesarios (principalmente oxígeno y agua), la ruta más adecuada para lograr los objetivos de la misión, al igual que obtener información sobre la carga de trabajo, la fatiga acumulada y las posibles lesiones.
En este proyecto, hice una descripción general de los métodos y modelos existentes desarrollados para estudiar el coste energético para desplazarse a pie, así como los resultados biomédicos de las misiones Apolo y el desarrollo actual de trajes espaciales para futuras misiones.
Exploré la posibilidad de utilizar métodos predictivos basados en aprendizaje máquina para determinar MR como una forma de mejorar los modelos actuales tanto para las actividades extravehiculares (EVA) como para los recorridos de la Tierra.
También hice un prototipo de la herramienta predictiva y la probé con datos simulados. La herramienta puede integrarse en otra aplicación o usarse como una API por HTTP.
Metabolic Rate (MR) is a fundamental magnitude during surface exploration traverses. Predicting energy expenditure during an upcoming traverse under specific conditions of speed, slope, gravity and suit characteristics can provide valuable information about the supply of consumables needed (i.e. oxygen and water), the most appropriate path to accomplish the exploration objectives, as well as information about workload, fatigue, and potential injuries.
In this project I did an overview of the existing methods and models developed to study metabolic rate of traverse, as well as the biomedical results of Apollo Missions and the current state of the art in the development of spacesuits.
I considered the use of machine learning predicting methods to determine MR as a way of improving current models for both Extravehicular Activities (EVAs) and Earth traverses.
I also made a prototype of a MR predictive tool and tested it with simulated data. The tool can be integrated into another app or used as a HTTP Application Programing Interface (API).
gmail.com
