基于Transformer强化学习的卫星群追踪附着任务协同
多智能体系统
2024-06-04 v1
摘要
卫星群的星上智能规划日益受到学者关注。特别是在非合作卫星的追踪与附着等任务中，卫星群必须在有限资源下实现协调合作。本研究提出了一种融合Transformer和专家网络的强化学习框架。首先，在非合作卫星信息不完全的约束下，利用通信共享机制设计了隐式多卫星合作策略。随后，针对追踪附着任务的特点，受迁移学习思想启发，引入Transformer和专家网络对多智能体强化学习框架进行了改进。为了解决卫星群的可扩展性问题，利用基于Transformer的序列建模构建了记忆增强策略网络，同时增加了群的可扩展性。通过与其他算法的收敛曲线对比，表明所提方法能够胜任卫星群的追踪附着任务。此外，在不同非合作卫星机动策略下的仿真分别验证了算法的鲁棒性和群系统的任务效率。通过蒙特卡洛模拟分析了追踪附着任务的成功率。
引用
@article{arxiv.2406.01061,
title = {Satellites swarm cooperation for pursuit-attachment tasks with transformer-based reinforcement learning},
author = {yonghao Li},
journal= {arXiv preprint arXiv:2406.01061},
year = {2024}
}