本論文は、国際宇宙ステーション（ISS）の自由飛行ロボットAstrobeeで機械学習ベースのウォームスタートを使用して軌道最適化を加速する最初の飛行実証結果を提示します。シーケンシャル凸プログラミング（SCP）によって解決される軌跡生成問題の構造を学習するニューラルネットワークを訓練するためのデータ駆動型最適制御方式を提示します。訓練されたニューラルネットワークは、軌道生成問題に対する解決策を予測し、SCPソルバーを使用してシステムの安全制約を適用します。回転力学が含まれている場合、ソルバーの繰り返し回数を60％減らし、ウォームスタートモデルのトレーニング分布から抽出された障害物がある場合、50％減らす結果を示しました。これは、宇宙飛行アプリケーションにおける学習ベースの制御の使用にとって重要なマイルストーンであり、自律誘導、ナビゲーションおよび制御のための機械学習の将来の発展のための踏み石です。
