利用无人机演示用于航天器检查的强化学习与运行时保障
系统与控制
2024-05-14 v1 系统与控制
摘要
在轨航天器检查是实现服务和制造任务以及延长航天器寿命的一项重要能力。然而，随着太空操作日益普遍和复杂，需要自主控制方法来减轻操作员单独监控每个任务的负担。为了使自主控制方法能够用于太空，它们必须表现出安全行为，证明其对现实世界扰动和不确定性的鲁棒性。本文使用通过强化学习训练的神经网络控制器 (NNC) 来解决检查任务，这是服务任务的一项基础能力。运行时保障 (RTA) 用于实时保证 NNC 的安全性，强制执行对位置和速度的多种不同约束。NNC 和 RTA 在现实世界中通过设计用于模拟航天器动力学的无人机进行了测试。结果表明，这种模拟是对 NNC 和 RTA 能力的有用演示，并且这些算法展示了对现实世界扰动的鲁棒性。
引用
@article{arxiv.2405.06770,
title = {Demonstrating Reinforcement Learning and Run Time Assurance for Spacecraft Inspection Using Unmanned Aerial Vehicles},
author = {Kyle Dunlap and Nathaniel Hamilton and Zachary Lippay and Matthew Shubert and Sean Phillips and Kerianne L. Hobbs},
journal= {arXiv preprint arXiv:2405.06770},
year = {2024}
}