arXiv cs.AI· Somrita Banerjee, Abhishek Cauligi, Marco Pavone·· 11 小时前AI 评分34
国际空间站 Astrobee 机器人首次在轨演示深度学习热启动轨迹优化
Deep Learning Warm Starts for Trajectory Optimization on the International Space Station
AI 导读
研究团队在国际空间站 Astrobee 自由飞行机器人上完成首次在轨演示，用神经网络为序列凸规划（SCP）轨迹优化提供热启动。该网络在含旋转动力学的场景中将求解器收敛所需迭代次数减少 60%，在训练分布内的障碍场景中减少 50%，同时仍由 SCP 求解器保证安全约束。
正文 · AI 翻译
摘要：轨迹优化是现代机器人自主性的基石，使系统能够在实时计算轨迹和控制的同时遵守安全与物理约束。然而，由于计算需求巨大，超出大多数飞行计算机的能力，其在航天飞行应用中的使用有限。在本工作中，我们给出了在国际空间站（ISS）上为 Astrobee 自由飞行机器人使用基于机器学习的暖启动来加速轨迹优化的首次太空演示结果。我们提出了一种数据驱动的最优控制方法，训练神经网络学习使用序列凸规划（SCP）求解的轨迹生成问题的结构。在机上，该训练好的神经网络预测轨迹生成问题的解，并依赖 SCP 求解器来强制执行系统的安全约束。我们训练的网络在包括旋转动力学的案例中将收敛所需的求解器迭代次数减少了 60%，在障碍物取自暖启动模型训练分布的案例中减少了 50%。这项工作代表了基于学习的控制用于航天飞行应用的一个重要里程碑，也是未来在自主制导、导航与控制中使用机器学习取得进展的垫脚石。
| 评论： | International Conference on Space Robotics (iSpaRo) 2025。 this https URL 早期版本发表于 Robotics: Science and Systems (RSS) 2025 的 Space Robotics 研讨会 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2505.05588 [cs.RO] |
| （或 arXiv:2505.05588v4 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2505.05588 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 2025 International Conference on Space Robotics (iSpaRo), Sendai, Japan, 2025, pp. 394-401 |
| 相关 DOI： | https://doi.org/10.1109/iSpaRo66239.2025.11436159
链接到相关资源的 DOI |
提交历史
来自：Somrita Banerjee [查看邮箱]
[v1]
2025年5月8日星期四 18:42:36 UTC（328 KB）
[v2]
2025年8月13日星期三 01:24:55 UTC（3,894 KB）
[v3]
2025年11月4日星期二 21:15:31 UTC（4,349 KB）
[v4]
2026年10月22日星期四 18:24:37 UTC（4,349 KB）
来源：arXiv cs.AI · arxiv.org