基于强化学习的微重力轨道对准6自由度机动：基于ISS-JEM中Int-Ball2的仿真研究
机器人学
2025-12-16 v1
摘要
在国际空间站 (ISS) 上，自主自由漂浮器在感知噪声、小型推力不匹配和环境变异性条件下实现精确对准，仍是一个具备挑战性的任务。本文提出了一个针对JAXA Int-Ball2机器人在日语实验模块 (JEM) 高保真Isaac Sim模型内部进行6自由度 (6-DoF) 对准的强化学习 (RL) 框架。采用近端策略优化 (PPO) 方法，我们在域随机化动力学和受限观测噪声的条件下训练和评估控制器，同时显式建模推进器 drag-torque 效应和极性结构。这使得能够在受限微重力空间内对Int-Ball2推力物理如何影响RL基于对准性能进行受控研究。所学得的策略实现了跨多种条件下的稳定可靠对准，为未来在Int-Ball2中实现碰撞感知导航、安全RL、推力精准仿真到现实迁移以及基于视觉的端到端对准奠定了基础。
引用
@article{arxiv.2512.13514,
title = {Reinforcement Learning based 6-DoF Maneuvers for Microgravity Intravehicular Docking: A Simulation Study with Int-Ball2 in ISS-JEM},
author = {Aman Arora and Matteo El-Hariry and Miguel Olivares-Mendez},
journal= {arXiv preprint arXiv:2512.13514},
year = {2025}
}
备注
Presented at AI4OPA Workshop at the International Conference on Space Robotics (iSpaRo) 2025 at Sendai, Japan