用于空间态势感知中传感器管理的双重深度 Q 网络
机器学习
2022-05-30 v1
摘要
我们提出了一种新颖的双重深度 Q 网络（DDQN）在空间态势感知（SSA）中传感器管理问题的应用。卫星频繁发射进入地球轨道带来了显著的传感器管理挑战，即需要用数量有限的传感器去探测并跟踪不断增多的物体。在本文中，我们展示了利用强化学习为 SSA 开发传感器管理策略。我们模拟了一台可控的地面望远镜，训练其使用扩展卡尔曼滤波器最大化所跟踪卫星的数量。在 DDQN 策略下观测到的卫星估计状态协方差矩阵，相较于另一种（随机）策略生成的矩阵大幅减小。本工作为进一步推进奠定了基础，并论证了在 SSA 中使用强化学习的合理性。
引用
@article{arxiv.2205.14041,
title = {Double Deep Q Networks for Sensor Management in Space Situational Awareness},
author = {Benedict Oakes and Dominic Richards and Jordi Barr and Jason F. Ralph},
journal= {arXiv preprint arXiv:2205.14041},
year = {2022}
}
备注
6 pages, 8 figures, accepted for publication