Cet article présente la première démonstration en vol utilisant le démarrage à chaud basé sur l'apprentissage automatique pour accélérer l'optimisation de trajectoire du robot Astrobee en vol libre à bord de la Station spatiale internationale (ISS). Nous présentons une méthode de contrôle optimal pilotée par les données qui entraîne un réseau neuronal apprenant la structure d'un problème de génération de trajectoire résolu par programmation convexe séquentielle (PCS). Le réseau neuronal entraîné prédit une solution au problème de génération de trajectoire et impose des contraintes de sécurité au système à l'aide d'un solveur PCS. Nous démontrons une réduction de 60 % du nombre d'itérations du solveur lorsque la dynamique rotationnelle est incluse, et de 50 % lorsque des obstacles tirés de la distribution d'apprentissage du modèle de démarrage à chaud sont présents. Cela représente une étape importante dans l'utilisation du contrôle basé sur l'apprentissage dans les applications spatiales et sert de tremplin aux futures avancées de l'apprentissage automatique pour le guidage, la navigation et le contrôle autonomes.
