Optimizing Mission Planning for Multi-Debris Rendezvous Using Reinforcement Learning with Refueling and Adaptive Collision Avoidance

Created by

Haebom

저자

Agni Bandyopadhyay, Gunther Waxenegger-Wilfing

💡 개요

본 연구는 복잡해지는 지구 궤도 환경에서 다수의 우주 파편 제거(ADR) 임무의 안전성과 효율성을 높이기 위해 강화학습 기반의 적응형 충돌 회피 프레임워크를 제안합니다. 유연하고 비용 효율적인 소형 위성을 활용하여, 재급유 전략, 임무 계획, 그리고 실시간 궤도 조건에 동적으로 대응하는 충돌 회피 기능을 통합했습니다. 제안된 프레임워크는 Iridium 33 파편 데이터를 기반으로 한 시뮬레이션을 통해, 기존 방식 대비 충돌 위험을 줄이고 임무 효율성을 향상시켰습니다.

🔑 시사점 및 한계

•

소형 위성을 활용한 다수 파편 제거 임무에서 강화학습 기반의 적응형 충돌 회피가 안전성과 효율성을 동시에 개선할 수 있음을 보여줍니다.

•

재급유 전략을 통합하여 장기적인 다중 목표 랑데부 임무 계획의 실현 가능성을 높였습니다.

•

제안된 프레임워크는 자율 우주 임무 계획 분야의 다른 다중 목표 랑데부 문제에도 확장 적용될 수 있습니다.

•

실제 궤도 환경에서의 검증 및 다양한 센서 데이터와의 통합, 그리고 더 복잡한 궤도 시나리오에 대한 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage