基于深度强化学习的利用光照自主航天器巡检
机器人学
2023-08-08 v1 系统与控制
系统与控制
摘要
本文研究使用单个装备光学传感器的自由飞行从属航天器对在轨航天器进行巡检的问题，其控制器为通过强化学习（RL）训练的神经网络控制系统。本工作考虑了被巡检航天器（主航天器）受太阳光照的条件，以激励获取光照良好的光学数据。智能体的性能通过统计高效的度量指标进行评估。结果表明，在仅使用底层动作的情况下，RL智能体能够在仿真环境中成功巡检主航天器上的所有点，同时使被巡检点的光照最大化。由于RL的随机性，我们使用10个随机种子训练了10个策略，以获得更全面的智能体性能度量。在这10个种子上，最终模型的巡检点四分位均值（IQM）百分比为98.82%。
引用
@article{arxiv.2308.02743,
title = {Deep Reinforcement Learning for Autonomous Spacecraft Inspection using Illumination},
author = {David van Wijk and Kyle Dunlap and Manoranjan Majji and Kerianne L. Hobbs},
journal= {arXiv preprint arXiv:2308.02743},
year = {2023}
}
备注
17 pages, 10 figures, to appear at 2023 AAS/AIAA Astrodynamics Specialist Conference