Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Khởi động khởi động học sâu để tối ưu hóa quỹ đạo trên Trạm vũ trụ quốc tế

Created by
  • Haebom

Tác giả

Somrita Banerjee, Abhishek Cauligi, Marco Pavone

Phác thảo

Bài báo này trình bày chuyến bay trình diễn đầu tiên sử dụng khởi động ấm dựa trên học máy để tăng tốc tối ưu hóa quỹ đạo trên robot Astrobee bay tự do trên Trạm vũ trụ quốc tế (ISS). Chúng tôi trình bày một phương pháp điều khiển tối ưu dựa trên dữ liệu để huấn luyện một mạng nơ-ron học cấu trúc của bài toán tạo quỹ đạo được giải bằng lập trình lồi tuần tự (SCP). Mạng nơ-ron được huấn luyện dự đoán một giải pháp cho bài toán tạo quỹ đạo và áp dụng các ràng buộc an toàn cho hệ thống bằng bộ giải SCP. Chúng tôi chứng minh việc giảm 60% số lần lặp của bộ giải khi đưa vào động lực quay và giảm 50% khi có các chướng ngại vật được rút ra từ phân phối huấn luyện của mô hình khởi động ấm. Đây là một cột mốc quan trọng trong việc sử dụng điều khiển dựa trên học máy trong các ứng dụng du hành vũ trụ và đóng vai trò là bước đệm cho những tiến bộ trong tương lai của học máy để dẫn đường, dẫn đường và điều khiển tự động.

Takeaways, Limitations

•
Takeaways:
◦
Chứng minh tính khả thi thực tế của việc tối ưu hóa quỹ đạo dựa trên máy học trong các ứng dụng du hành vũ trụ.
◦
Cải thiện hiệu quả điều khiển thời gian thực bằng cách giảm đáng kể số lần lặp của trình giải SCP và rút ngắn thời gian tính toán.
◦
Trình bày bước tiến đáng kể trong việc áp dụng điều khiển dựa trên học tập vào các ứng dụng du hành vũ trụ.
◦
ĐặT nền tảng cho nghiên cứu trong tương lai về hướng dẫn, điều hướng và kiểm soát tự động.
•
Limitations:
◦
Sự suy thoái tiềm ẩn của các mô hình khởi động ấm đối với các chướng ngại vật bên ngoài phân phối đào tạo.
◦
Mức độ cải thiện hiệu suất trong các tình huống phức tạp liên quan đến cả động lực quay và chướng ngại vật cần được nghiên cứu thêm.
◦
Xác minh hiệu suất tổng quát là cần thiết cho nhiều tình huống khác nhau trong môi trường không gian thực.
👍
Made with Slashpage