用于航天器近距离机动与对接的深度贝叶斯强化学习

在追求航天器自主近距离机动与对接（PMD）的过程中，我们提出一种新颖的贝叶斯 actor-critic 强化学习算法，以学习具有稳定性保证的控制策略。PMD 任务被建模为反映相对动力学模型、对接锥与代价函数的马尔可夫决策过程。基于李雅普诺夫理论原理，我们将时序差分学习构建为约束高斯过程回归问题。这一创新方法利用高斯过程与深度核学习，将状态值函数表示为李雅普诺夫函数。我们开发了一种新颖的贝叶斯求积策略优化流程，在解析计算策略梯度的同时集成基于李雅普诺夫的稳定性约束。该集成对于满足航天任务严格的安全性需求至关重要。所提算法已在航天器气浮试验台上进行实验评估，并展现出令人印象深刻的、有前景的性能。