Improving Computational Efficiency for Powered Descent Guidance via Transformer-based Tight Constraint Prediction

要約

この研究では、宇宙船動力降下誘導問題の直接最適化定式化の計算の複雑さを軽減するためのスケーラブルなアルゴリズムである、変圧器ベース動力降下誘導 (T-PDG) を紹介します。
T-PDG は、軌道最適化アルゴリズムの以前の実行からのデータを使用して変圧器ニューラル ネットワークをトレーニングします。これにより、問題パラメーターと動力降下誘導問題の全体最適解との間の関係が正確に予測されます。
解は、制約された最小コスト軌道と最適な最終着陸時間に対応する一連の厳しい制約としてエンコードされます。
変圧器ニューラル ネットワークのアテンション メカニズムを活用することで、宇宙船の状態と着陸地点のパラメーターのみが与えられた場合に、時系列データの大規模なシーケンスを正確に予測できます。
T-PDG を火星動力による降下誘導の実際の問題に適用すると、可逆凸化と比較した場合、3 自由度の燃料最適軌道の計算時間が 1 ～ 8 秒程度から 500 ミリ秒未満に短縮されます。
最終的な軌道を返す前に T-PDG に実現可能性チェックを組み込むことで、安全で最適なソリューションが保証されます。

要約(オリジナル)

In this work, we present Transformer-based Powered Descent Guidance (T-PDG), a scalable algorithm for reducing the computational complexity of the direct optimization formulation of the spacecraft powered descent guidance problem. T-PDG uses data from prior runs of trajectory optimization algorithms to train a transformer neural network, which accurately predicts the relationship between problem parameters and the globally optimal solution for the powered descent guidance problem. The solution is encoded as the set of tight constraints corresponding to the constrained minimum-cost trajectory and the optimal final time of landing. By leveraging the attention mechanism of transformer neural networks, large sequences of time series data can be accurately predicted when given only the spacecraft state and landing site parameters. When applied to the real problem of Mars powered descent guidance, T-PDG reduces the time for computing the 3 degree of freedom fuel-optimal trajectory, when compared to lossless convexification, from an order of 1-8 seconds to less than 500 milliseconds. A safe and optimal solution is guaranteed by including a feasibility check in T-PDG before returning the final trajectory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google