Neural-Rendezvous: Provably Robust Guidance and Control to Encounter Interstellar Objects

要約

星間天体 (ISO) は、系外星系を理解する上で非常に貴重な原始的な物質の代表であると考えられます。
ただし、軌道の拘束が不十分であり、一般に高い傾斜角と相対速度があるため、従来の人間参加型アプローチで ISO を探索することは非常に困難です。
この論文では、ISO を含む高速移動オブジェクトにリアルタイムで堅牢かつ正確に自律的に遭遇するための深層学習ベースのガイダンスおよび制御フレームワークである Neural-Rendezvous について説明します。
これは、スペクトル正規化されたディープ ニューラル ネットワークによってモデル化されたガイダンス ポリシーに加えて、点ごとの最小ノルム追跡制御を使用します。そのハイパーパラメーターは、MPC 状態軌道追跡エラーに直接ペナルティを与える損失関数で調整されます。
私たちは、Neural-Rendezvous が予想される宇宙船の配送誤差に対して高確率の指数関数的限界を提供することを示し、その証明は確率的増分安定性解析を活用しています。
特に、ISO 状態の不確実性と非線形状態推定保証の局所的性質を明示的に考慮して、スーパーマルチンゲール特性を持つ非負関数を構築するために使用されます。
数値シミュレーションでは、Neural-Rendezvous が 100 個の ISO 候補の予想誤差限界を満たすことが実証されています。
このパフォーマンスは、当社の宇宙船シミュレータを使用し、最大 20 台の UAV による高衝突および分散型 UAV 群再構成でも経験的に検証されています。

要約(オリジナル)

Interstellar objects (ISOs) are likely representatives of primitive materials invaluable in understanding exoplanetary star systems. Due to their poorly constrained orbits with generally high inclinations and relative velocities, however, exploring ISOs with conventional human-in-the-loop approaches is significantly challenging. This paper presents Neural-Rendezvous, a deep learning-based guidance and control framework for encountering fast-moving objects, including ISOs, robustly, accurately, and autonomously in real time. It uses pointwise minimum norm tracking control on top of a guidance policy modeled by a spectrally-normalized deep neural network, where its hyperparameters are tuned with a loss function directly penalizing the MPC state trajectory tracking error. We show that Neural-Rendezvous provides a high probability exponential bound on the expected spacecraft delivery error, the proof of which leverages stochastic incremental stability analysis. In particular, it is used to construct a non-negative function with a supermartingale property, explicitly accounting for the ISO state uncertainty and the local nature of nonlinear state estimation guarantees. In numerical simulations, Neural-Rendezvous is demonstrated to satisfy the expected error bound for 100 ISO candidates. This performance is also empirically validated using our spacecraft simulator and in high-conflict and distributed UAV swarm reconfiguration with up to 20 UAVs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google