轨道上自由飞行多臂机器人的路径规划与强化学习驱动控制

本文提出了一种混合方法，将轨迹优化（TO）和强化学习（RL）集成，用于轨道服务场景中自由飞行多臂机器人的运动规划与控制。所提出的系统将TO用于在考虑动力学和运动学约束的同时生成可行、高效的路径，并将RL用于在不确定性下的自适应轨迹跟踪。多臂机器人设计配备了用于精确本体控制的推进器，在复杂空间操作中实现了冗余性和稳定性。TO优化臂运动和推进器力，减少了对臂进行稳定的依赖并增强了机动性。RL通过利用无模型控制来适应动态交互和扰动，进一步优化了这一过程。通过全面仿真验证的实验结果证明了所提出混合方法的有效性和鲁棒性。探索了两个案例研究：具有初始接触的表面对运动，以及需要表面近似的自由漂浮场景。在两种情况下，混合方法均优于传统策略。特别地，推进器显著增强了运动平滑性、安全性和运行效率。RL策略有效跟踪TO生成的轨迹，处理高维动作空间和动态不匹配。TO与RL的这种结合将精确的任务特定规划的优势与鲁棒的自适应性相结合，确保在空间环境特有的不确定和动态条件下实现高性能。通过解决运动耦合、环境扰动和动态控制要求等挑战，该框架为推进空间机器人系统的自主性和有效性奠定了坚实基础。