arXiv cs.RO 机器人学· Mariko Storey-Matsutani, Anatoly Zlotnik, Lee Holguin, Zigfried Hampel-Arias, Richard Linares·· 5 小时前精选AI 评分45
分层强化学习实现从轨道匹配到对接的多阶段交会轨迹设计
From Orbit Matching to Docking: A Hierarchical Reinforcement-Learning Approach to Multiphase Rendezvous Trajectory Design
AI 导读
该论文提出一个面向自主三自由度交会与近距操作的分层强化学习框架，覆盖从轨道匹配到对接的完整轨迹。研究训练了轨道匹配、远距离接近、中距离接近、近距离接近和对接五个阶段专用策略，并由一个学习得到的高层管理策略根据航天器状态在各阶段控制器间选择。该分层方法在端到端交会序列上与固定顺序调用的启发式方法进行了对比，评估轨迹性能与阶段切换行为，并分析了各阶段策略及完整分层系统的训练与推理指标。
推荐理由
论文梳理了交会对接各阶段的动力学差异与现有方法局限，便于了解分层强化学习的切入位置。
来源：arXiv cs.RO 机器人学 · arxiv.org