PPO-based Dynamic Control of Uncertain Floating Platforms in the Zero-G Environment

要約

宇宙探査の分野では、浮体式プラットフォームが科学的調査や技術的進歩において重要な役割を果たしている。しかし、無重力環境におけるこれらのプラットフォームの制御は、不確実性や外乱を含むユニークな課題をもたらす。本稿では、ルクセンブルク大学の無重力実験室（Zero-G Lab）において、Proximal Policy Optimization（PPO）とModel Predictive Control（MPC）を組み合わせた革新的なアプローチを紹介する。このアプローチは、PPOの強化学習能力とMPCの精度を活用し、浮遊プラットフォームの複雑な制御ダイナミクスをナビゲートする。従来の制御手法とは異なり、このPPO-MPCアプローチはMPCの予測から学習し、モデル化されていないダイナミクスや外乱に適応することで、無重力環境に合わせた弾力的な制御フレームワークを実現している。無重力ラボでのシミュレーションと実験により、このアプローチが検証され、PPOエージェントの適応性が示された。この研究により、無重力環境における浮遊プラットフォームの制御に新たな可能性が開かれ、宇宙探査の進歩が期待される。

要約(オリジナル)

In the field of space exploration, floating platforms play a crucial role in scientific investigations and technological advancements. However, controlling these platforms in zero-gravity environments presents unique challenges, including uncertainties and disturbances. This paper introduces an innovative approach that combines Proximal Policy Optimization (PPO) with Model Predictive Control (MPC) in the zero-gravity laboratory (Zero-G Lab) at the University of Luxembourg. This approach leverages PPO’s reinforcement learning power and MPC’s precision to navigate the complex control dynamics of floating platforms. Unlike traditional control methods, this PPO-MPC approach learns from MPC predictions, adapting to unmodeled dynamics and disturbances, resulting in a resilient control framework tailored to the zero-gravity environment. Simulations and experiments in the Zero-G Lab validate this approach, showcasing the adaptability of the PPO agent. This research opens new possibilities for controlling floating platforms in zero-gravity settings, promising advancements in space exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL