面向非合作目标的自由漂浮双臂空间机械臂运动规划学习系统

近年来，空间中出现了诸如失效卫星和空间垃圾等非合作物体。这些物体通常由自由漂浮双臂空间机械臂进行操作或收集。由于消除了建模与手动调参的困难，强化学习(RL)方法在空间机械臂轨迹规划中展现出更有前景的迹象。尽管先前的研究证明了其有效性，但它们无法应用于跟踪具有未知旋转（非合作物体）的动态目标。在本文中，我们提出了一种面向非合作物体的自由漂浮双臂空间机械臂(FFDASM)运动规划学习系统。具体而言，我们的方法由两个模块组成。模块I实现了两个末端执行器在大目标空间内的多目标轨迹规划。接下来，模块II以非合作物体的点云作为输入来估计运动属性，然后可预测非合作物体上目标点的位置。我们结合模块I与模块II，成功跟踪了具有未知规律旋转物体上的目标点。此外，实验也证明了我们学习系统的可扩展性与泛化能力。