面向敏捷地球观测卫星编排问题的能效学习解决方案
机器人学
2025-06-13 v2 人工智能
机器学习
摘要
敏捷地球观测卫星编排问题（Agile Earth Observation Satellite Scheduling Problem, AEOSSP）涉及在满足时间、能源和内存操作约束的同时，寻找要在卫星轨道上安排观测目标的子集。决定何时观测何事本身就具有复杂性，当考虑到诸多会损害捕获图像质量的问题时（如云层遮挡、大气湍流和图像分辨率），问题变得更加棘手。本文提出了一种深度强化学习（DRL）方法，用于解决 AEOSSP，考虑时间依赖利润，将这三种因素整合以优化能源和内存资源的使用。该方法涉及双重决策过程：选择目标的序列并确定每个目标的最佳观测时间。我们的结果表明，所提出的算法通过 > 60% 减少不符合质量要求的图像捕获，从而在维持强烈观测性能的同时，将姿态机动的能源浪费降低最高可达 78%。
引用
@article{arxiv.2503.04803,
title = {An energy-efficient learning solution for the Agile Earth Observation Satellite Scheduling Problem},
author = {Antonio M. Mercado-Martínez and Beatriz Soret and Antonio Jurado-Navas},
journal= {arXiv preprint arXiv:2503.04803},
year = {2025}
}
备注
This paper has been accepted for presentation at the IEEE International Conference on Machine Learning for Communication and Networking (ICMLCN) Special Sessions 2025