基于深度神经网络的多航天系统在抓取-放置任务中的优化协调策略
机器人学
2024-12-16 v1
摘要
本文提出一种先进的多主体航天系统协同控制策略，运用深度神经网络（DNN）构建于强化学习框架之内。我们的方法聚焦于优化自主任务分配，以提升系统在航天场景下对象 relocation 任务中的操作效率。我们将此协调挑战建模于MuJoCo环境中，采用深度强化学习算法训练DNN基策略，以最大化跨多主体系统的任务完成率。目标函数明确设计为最大化有效对象转移率，利用神经网络处理高维航天环境中复杂的状态与动作空间。通过大量仿真实验，我们将所提方法与基于博弈论原理的启发式组合方法进行基准测试，实验证明，训练后的策略在任务效率上实现了最高可达16%的显著提升。实验在多主体硬件 setup 中进行验证，以论证方法在真实航天场景下的有效性。
引用
@article{arxiv.2412.09877,
title = {Optimized Coordination Strategy for Multi-Aerospace Systems in Pick-and-Place Tasks By Deep Neural Network},
author = {Ye Zhang and Linyue Chu and Letian Xu and Kangtong Mo and Zhengjian Kang and Xingyu Zhang},
journal= {arXiv preprint arXiv:2412.09877},
year = {2024}
}