Los sistemas espaciales distribuidos son cada vez más valorados en la industria espacial, ya que mejoran el rendimiento de las misiones a través de esfuerzos colaborativos y el intercambio de recursos entre múltiples satélites heterogéneos. Además, permitir comunicaciones autónomas y en tiempo real entre satélites a través de Enlaces Inter-Satélites (ISLs) puede aumentar aún más el rendimiento general al permitir la cooperación sin depender de enlaces terrestres y esfuerzos de coordinación extensos entre diversos interesados. Dado los recursos limitados disponibles a bordo de los satélites, un elemento crucial para lograr una cooperación autónoma y rentable implica minimizar el desperdicio de energía resultante de comunicaciones fallidas o innecesarias. Para abordar este desafío, los satélites deben anticipar sus oportunidades de ISL o encuentros con una utilización mínima de recursos. Basándose en publicaciones anteriores, este trabajo presenta más información sobre el uso del aprendizaje supervisado para permitir que los satélites pronostiquen sus encuentros sin depender de la propagación de órbitas. En particular, se implementa una definición más realista de encuentros entre satélites, junto con una solución versátil aplicable a todos los satélites en órbita baja terrestre polar. Los resultados muestran que el modelo entrenado puede anticipar encuentros para datos realistas y no vistos de una fuente de datos disponible con una precisión de equilibrio de alrededor del 90% y seis veces más rápido en comparación con el conocido modelo orbital Simplified General Perturbation 4.