一种面向目标的基于强化学习的模块化自重构卫星路径规划算法
机器人学
2025-07-23 v2 人工智能
机器学习
摘要
模块化自重构卫星是指由能够改变其构型的单个模块单元组成的卫星集群。构型变化使得执行多样化任务和任务目标成为可能。现有的重构路径规划算法通常存在计算复杂度高、泛化能力差以及对多样化目标构型支持有限的问题。为了解决这些挑战，本文提出了一种面向目标的基于强化学习的路径规划算法。该算法首次解决了以往强化学习方法未能克服的难题，即处理多个目标构型。此外，还结合了事后经验回放和无效动作掩码等技术，以克服稀疏奖励和无效动作带来的重大障碍。基于这些设计，我们的模型在由四个和六个单元组成的模块化卫星集群中，到达任意目标构型的成功率分别达到了 95% 和 73%。
引用
@article{arxiv.2505.01966,
title = {A Goal-Oriented Reinforcement Learning-Based Path Planning Algorithm for Modular Self-Reconfigurable Satellites},
author = {Bofei Liu and Dong Ye and Zunhao Yao and Zhaowei Sun},
journal= {arXiv preprint arXiv:2505.01966},
year = {2025}
}
备注
6 pages, 7 figures