گروه پژوهشی ژاپنی با نام توکیو تِک (Tokyo Tech) سامانه‌ای متشکل از یک ردیاب ستاره و یک حسگر زمین برای تعیین جهت‌گیری ماهواره‌ها با بهره‌گیری از یادگیری ماشینی ساخته‌اند. ردیاب ستاره‌ای چندین ستاره را برای تخمین دقیق جهت‌گیری دنبال می‌کند و حسگر زمین نیز بر اساس تصاویر تهیه‌شده از زمین جهت‌گیری را تخمین می‌زند. در این سامانه از روش یادگیری عمیق که از زیرشاخه‌های یادگیری ماشینی است بهره گرفته شده و حسگر جهت‌گیری یادگیری عمیق (Deep Learning Attitude Sensor به‌اختصار DLAS) نام گرفته است.
پژوهشگران با ساخت این حسگر سه هدف را دنبال می‌کردند. نخستین آن‌که نشان دهند ساخت ردیاب ستاره‌ای ارزان و کارآمدی که بتواند به خوبی در فضا عمل کند و به صورت تجاری در دسترس باشد امکان‌پذیر است. آنان با استفاده از این سامانه از ستاره‌ها در شرایط مختلف تصویربرداری می‌کنند تا سامانه حسگر را کالیبره کنند. سپس قرار است جهت‌گیری ماهواره را با الگوریتم‌های نوین تعیین کنند و عملکرد بلندمدت این حسگر را در دوره‌ای یک‌ساله بسنجند. هدف دوم آزمودن تشخیص تصاویر زمین به صورت هم‌زمان با استفاده از فناوری یادگیری عمیق است. در این حسگر با استفاده از دو دوربین فشرده در نور مرئی از زمین تصویربرداری می‌شود. این تصاویر هشت مگا پیکسلی در زمان تقریبی چهار ثانیه با الگوریتم‌های سریع تشخیصی پردازش می‌شوند. این الگوریتم‌ها می‌توانند ۹ نوع منطقه مختلف شامل بیابان، زمین‌های سبز، اقیانوس، ابرها و فضای بیرونی را تشخیص دهد. سومین هدف استفاده از فناوری تشخیص تصویر برای تخمین سه محوری جهت‌گیری ماهواره با عوارض زمینی و مقایسه آن‌ها با داده‌های نقشه‌ها در کامپیوتر داخلی ماهواره است. این الگوریتم‌ها توانایی تشخیص تصاویری که دچار پوشش ابر باشند نیز هستند.
سخت‌افزار این سامانه حسگر در آوریل ۲۰۱۸ تکمیل شد و روی ماهواره راپیس۱ (RAPIS 1) ساخته آژانس فضایی ژاپن یا جاکسا (JAXA) قرار گرفت. پس از شش ماه آزمون‌های محیطی و عملکرد تمرینی این ماهواره ۲۰۰ کیلوگرمی در ۱۸ ژانویه ۲۰۱۹ با ماهواره‌بر ژاپنی اپسیلون-۴ (Epsilon-4) به فضا پرتاب شد و در مداری به ارتفاع ۵۰۰ کیلومتر قرار گرفت. قرار است ماه نخست عملکرد این حسگر به کالیبراسیون اختصاص یابد و سپس عملکرد یک‌ساله آن آغاز شود.
