lunar-frame-realisation (tipo de escenario)
Tipo de escenario del motor v0.40.0, familia Lunar y cislunar. Consultivo: salida de análisis de una herramienta de investigación e ingeniería, no un equipo de navegación homologado ni un servicio de seguridad de la vida humana. Toda etiqueta de aquí es la del motor o la de la matriz de verificación; un tipo de escenario es MODELLED salvo que la matriz diga otra cosa (cómo se gana una etiqueta: la sección Evidence del README).
Qué hace#
Realización modelada del marco de referencia lunar: un ajuste de datum de Helmert (similitud) de 7 parámetros (3 de traslación, 3 de rotación de ángulo pequeño, 1 de escala) que liga un conjunto estimado de coordenadas de puntos MCMF derivadas de lo selenográfico a un datum mediante mínimos cuadrados ponderados (crate::batch_ls::gauss_newton), más un sencillo enlace de orientación que expresa la pequeña rotación realizada en torno a los ejes ICRF respecto de la orientación del cuerpo WGCCRE de la IAU 2015. El escenario inyecta una transformación pequeña conocida (traslación ~decenas de m, rotación ~µrad, escala ~1e-7) en una red sintética de puntos bien repartidos, añade ruido gaussiano con semilla, recupera el datum e informa de la transformación recuperada, del error de recuperación por parámetro frente a la verdad inyectada y del residuo RMS posterior al ajuste. Autocoherencia MODELLED: recupera una transformación de similitud inyectada (sin ruido hasta ~precisión de máquina), NO es una realización frente a datos reales de seguimiento/VLBI; determinista (con semilla); sin TRL/herencia/respaldo de ninguna agencia.
Una ejecución de scenarios/lunar-frame-realisation.toml se resume así: lunar-frame-realisation | 8 puntos | err. de traslación 3.125e-1 m, err. de rotación 3.418e-7 rad, err. de escala -5.891e2 ppb | residuo rms 0,887 m | converged false
Entradas#
Del esquema (kshana kinds --json):
- Campos obligatorios: ninguno
- Campos opcionales:
n_points,tx_m,ty_m,tz_m,rot_x_urad,rot_y_urad,rot_z_urad,scale_ppb,noise_sigma_m,seed,epoch_year,epoch_month,epoch_day
El ejemplo scenarios/lunar-frame-realisation.toml establece, entre otros:
| Campo | Valor | Unidad |
|---|---|---|
epoch_day |
1 | d |
epoch_month |
1 | no indicado |
epoch_year |
2024 | no indicado |
kind |
lunar-frame-realisation | texto |
n_points |
8 | recuento |
noise_sigma_m |
1 | m |
rot_x_urad |
3 | no indicado |
rot_y_urad |
-2 | no indicado |
rot_z_urad |
5 | no indicado |
scale_ppb |
100 | ppb |
seed |
42 | no indicado |
tx_m |
25 | m |
Ejecútelo#
kshana scenarios/lunar-frame-realisation.toml
Qué proporciona#
Los resultados escalares de esa ejecución, con las unidades que indica el motor:
| Resultado | Valor | Unidad |
|---|---|---|
converged |
false | indicador |
evidence.id_rule |
el identificador estable de la fila de la matriz (el ID | texto |
evidence.matrix |
docs/VERIFICATION-MATRIX.md | texto |
evidence.tier |
MODELLED | texto |
injected.scale_ppb |
100 | ppb |
n_points |
8 | recuento |
recovered.scale_ppb |
-489.119839 | ppb |
rms_residual_m |
0.887327 | m |
rot_err_norm_rad |
3.4182e-7 | rad |
scale_err_ppb |
-589.119839 | ppb |
Evidencias#
Ninguna fila de la matriz nombra este tipo de escenario por su nombre; la etiqueta de su resultado es la propia del motor, más arriba.
Las filas que la propia ejecución puso a prueba, con la referencia independiente que da la matriz a cada una (las fuentes públicas se nombran allí):
- MODELLED Determinista, con hash de escenario, SBOM + barreras golden multiplataforma. Referencia independiente (ExternalDataset): ajuste a la norma del SBOM al esquema JSON oficial de CycloneDX 1,5 (+ identificadores SPDX válidos) — un estándar externo publicado, cero errores de validación en todo el grafo de dependencias; la parte de determinismo de FoM / reproducibilidad byte a byte sigue siendo una comprobación de autoconsistencia fijada, por lo que la fila sigue siendo MODELLED
- VALIDATED Ajuste del datum de Helmert de 7 parámetros + enlace de orientación ICRF a partir de una red de puntos. Referencia independiente (ExternalDataset): Resolutor independiente de transformación de similitud de Umeyama (Horn) ponderado de forma cerrada (basado en SVD de numpy/scipy; Umeyama 1991 IEEE TPAMI, Horn 1987 JOSA A): un algoritmo distinto del ajuste iterativo de Gauss–Newton de kshana, que alcanza el mismo óptimo de mínimos cuadrados ponderados unívocamente definido sobre redes de puntos idénticas byte a byte
Limitaciones#
Lo que el propio informe de la ejecución dice que no está modelado o no está validado:
- Autocoherencia MODELLED: recupera una transformación de similitud inyectada (sin ruido hasta ~precisión de máquina), NO es una realización frente a datos reales de seguimiento/VLBI; determinista (con semilla); sin TRL/herencia/respaldo de ninguna agencia. (catálogo de tipos de escenario (
kshana kinds --json)) - Honestidad: autocoherencia MODELLED. La referencia independiente es la recuperación de una transformación de similitud de 7 parámetros inyectada (sin ruido hasta ~precisión de máquina) más la identidad algebraica de ida y vuelta de apply_helmert. Esto NO es una realización del marco de referencia lunar frente a datos reales de seguimiento / VLBI y no reclama ninguna precisión absoluta del marco. Determinista (con semilla). No se reclama TRL, herencia de vuelo ni respaldo de ninguna agencia. (comentario del archivo de escenario, líneas 23 a 27)
- La reproducibilidad y el aseguramiento del software son MODELLED, no están validados: una subafirmación se comprueba externamente, pero la capacidad completa compone piezas modeladas, por lo que la capacidad sigue siendo modelada. (matriz de verificación (docs/MODELLED-RATIONALE.md))
Véase también#
- Página de familia: Lunar y cislunar
- Todos los tipos de escenario: KINDS.md