Neural-based Control for CubeSat Docking Maneuvers

要約

自律ランデブーおよびドッキング (RVD) は、宇宙船のダイナミクスの変動と GNC システムの制限の厳しい要件に対処するために、近年広範囲に研究されてきました。
この論文では、ランデブー操縦の最終段階における自律宇宙船の誘導と制御のために、強化学習 (RL) を通じて訓練された人工ニューラル ネットワーク (ANN) を採用した革新的なアプローチを紹介します。
提案された戦略は、オンボードで簡単に実装可能であり、事前定義されたモデルに依存するのではなく、経験から制御ポリシーを学習することで、外乱に対する迅速な適応性と堅牢性を提供します。
関連する環境内で広範なモンテカルロ シミュレーションが 6DoF 設定で実行され、導入の実現可能性を実証するハードウェア テストとともにアプローチが検証されます。
私たちの調査結果は、宇宙船 RVD の適応性と効率性を確保する上で RL の有効性を強調し、将来のミッションの期待についての洞察を提供します。

要約(オリジナル)

Autonomous Rendezvous and Docking (RVD) have been extensively studied in recent years, addressing the stringent requirements of spacecraft dynamics variations and the limitations of GNC systems. This paper presents an innovative approach employing Artificial Neural Networks (ANN) trained through Reinforcement Learning (RL) for autonomous spacecraft guidance and control during the final phase of the rendezvous maneuver. The proposed strategy is easily implementable onboard and offers fast adaptability and robustness to disturbances by learning control policies from experience rather than relying on predefined models. Extensive Monte Carlo simulations within a relevant environment are conducted in 6DoF settings to validate our approach, along with hardware tests that demonstrate deployment feasibility. Our findings highlight the efficacy of RL in assuring the adaptability and efficiency of spacecraft RVD, offering insights into future mission expectations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google