A necessidade de estimar a orientação entre sistemas referenciais é crucial na navegação espacial. apesar dos algoritmos mais robustos para este tipo de problema dependerem de abordagens mais algébricas, soluções baseadas em dados estão tornando-se mais atrativas devido a sua natureza estocástica. consequentemente, uma abordagem baseada em redes neurais convolucionais para a determinação de atitude estática foi proposta. diversos modelos foram treinados com distintos conjuntos de dados, estes contendo diferentes quantidades de vetores de observação. tais vetores foram utilizados na construção da entrada do sistema, chamada matriz de perfil de atitude. ao aumentar o número de vetores de observação, o modelo obteve melhores resultados sobre o conjunto de dados de validação, mas acabou não refletindo o verdadeiro comportamento do sistema quando apresentado a cenários desafiadores. assim, a incerteza das previsões nesses cenários de teste foi levada em consideração na escolha do melhor modelo. apesar do modelo não ter obtido melhores resultados em comparação com algoritmos tradicionais como svd, q-method, quest e esoq2, o modelo escolhido se mostrou menos sensível a ruídos mais elevados do que eles.