روش یادگیری تقویتی ایمن برای برنامه‌ریزی بازرسی فضاپیماها در مدار

در بازرسی خودکار فضاپیماها، انتخاب نقاط مشاهده در نزدیکی هدف مسئله‌ای ترکیبی است که باید هم‌زمان محدودیت‌های پوشش، سوخت و ایمنی را در نظر بگیرد. پژوهشگران این مسئله را در قالب فرایند تصمیم‌گیری مارکوف مقید (CMDP) صورت‌بندی کرده‌اند و برای حل آن از Proximal Policy Optimization همراه با روش لاگرانژ استفاده کرده‌اند.

سامانهٔ پیشنهادی دو بخش دارد: برنامه‌ریز سطح‌بالا ترتیب دیدگاه‌های دوربین را روی سطحی کروی پیرامون فضاپیمای هدف تعیین می‌کند و مدل سطح‌پایین هر انتقال را با معادلات Clohessy–Wiltshire برای حرکت نسبی ارزیابی می‌کند. چکیده می‌گوید محدودیت‌های قطعیِ امکان‌پذیری دسترسی با یک مانور و سقف تغییر سرعت Δv مستقیماً اعمال می‌شوند؛ متن در دسترس دربارهٔ سایر جزئیات روش یا نتایج ارزیابی توضیحی نمی‌دهد.