El ingeniero de la Universidad de Purdue, Keith LeGrand, está desarrollando nuevos métodos para rastrear la posición y el movimiento de objetos en el espacio cislunar, que abarca un área de 480.000 kilómetros alrededor de la Tierra. En esta región, predecir las órbitas de los objetos es una tarea desafiante debido a los complejos efectos gravitacionales del sistema Sol-Tierra-Luna.
Los algoritmos desarrollados por LeGrand se centran en determinar cómo evoluciona la incertidumbre en la posición de un objeto en el espacio cislunar con el tiempo. Estos algoritmos representan la incertidumbre utilizando aproximaciones de mezcla gaussiana y pueden dividir estas mezclas en partes más pequeñas cuando sea necesario para hacer predicciones más precisas.
El algoritmo de LeGrand, llamado HOTDOGS (Higher-Order Tensor-Based Deferral of Gaussian Splitting), permite modelar la incertidumbre de manera más eficiente y precisa. Este método acelera el proceso de cálculo al dividir la incertidumbre solo cuando es necesario, requiriendo menos potencia de procesamiento.