arXiv cs.AI· Chlo\'e Carer (LGI), Adam Abdin (LGI)·· 1 天前AI 评分18
基于安全强化学习的在轨服务机会约束检查视点排序
Chance-Constrained Inspection Viewpoint Sequencing for On-Orbit Servicing via Safe Reinforcement Learning
AI 导读
该研究将航天器近距离检查的视点选择建模为约束马尔可夫决策过程（CMDP），用带拉格朗日松弛的 PPO 求解，并结合 CW 方程评估视点转移。在 Galileo 级导航卫星点云模型上，该方法在各风险预算下将禁飞区违规率控制在限定范围内，覆盖率接近最大值且不超 Δv 预算；相比固定禁飞半径加确定性规划，同等覆盖率下违规率不到一半。碰撞风险由此成为显式设计参数，无需逐案重新调参。
正文 · AI 翻译
摘要：对目标航天器的自主检查通常是在轨服务的初始步骤。规划近距离观测视点涉及一个复杂的组合问题，受覆盖、燃料和安全等因素约束。本文将视点选择建模为约束马尔可夫决策过程（CMDP），并应用带拉格朗日松弛的近端策略优化来求解。该系统结合了高层规划器与低层模型：高层规划器在目标周围的观测球面上安排相机视点序列，低层模型利用 Clohessy--Wiltshire（CW）相对运动方程评估每次转移。单脉冲可达性和 $\Delta v$ 上限的确定性约束直接施加在动作集上。安全裕度受导航和机动误差影响，使得实际间隙具有随机性。为此，对实际轨迹实施机会约束，并采用由 PID 控制调节的拉格朗日乘子，在训练过程中自适应调整惩罚。该方法在中地球轨道上的一颗 Galileo 级导航卫星上进行了测试，该卫星被建模为点云，每个视点的可见性考虑视场和视线遮挡。在各种风险预算下，训练得到的策略将禁飞区违反率保持在规定限值内，覆盖接近最大值，且保持在任务 $\Delta v$ 预算之内。与通常对禁飞区半径施加固定裕度并进行确定性规划的做法相比，机会约束策略在可比覆盖下实现了不到一半的违反率。这使得碰撞风险成为明确的设计参数，无需针对每种情况重新调参。学习到的策略在选择视点时，无需像贪心机会约束规划器那样在每个决策点重复进行蒙特卡洛风险估计。
| 主题： | 人工智能（cs.AI）；优化与控制（math.OC） |
| 引用为： | arXiv:2610.41639 [cs.AI] |
| （或 arXiv:2610.41639v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.41639 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | 第77届国际宇航大会（IAC），国际宇航联合会（IAF），2026年10月，安塔利亚（TR），土耳其 |
提交历史
来自：Adam Abdin [查看邮箱] [通过 CCSD 代理]
[v1]
2026年10月30日星期五 12:15:31 UTC（316 KB）
来源：arXiv cs.AI · arxiv.org