跳到正文
arXiv · AI· Hanmin Li, Tao Wang, Shuangliang Liu, Zhe Zhang, Maodeng Li·· 7 天前AI 评分29

PCM-PPO:一种用于土卫六深空探测器自主任务规划的物理约束深度强化学习方法

A physics-constrained deep reinforcement learning method for autonomous mission planning of Titan deep space probes

AI 导读

研究提出物理约束掩码近端策略优化(PCM-PPO)方法,解决土卫六深空探测因距离远、环境复杂导致的实时地面规划难题。 方法建立土卫六专属离散时间马尔可夫决策过程,整合中心引力、J2摄动及下行链路遮挡等系统动力学与几何模型,通过物理约束动作掩码引导策略学习。 该方法为土卫六深空探测器提供了可行且可解释的自主任务规划方案。

来源:arXiv · AI · arxiv.org