論文の概要: Advances in Trajectory Optimization for Space Vehicle Control
- arxiv url: http://arxiv.org/abs/2108.02335v1
- Date: Thu, 5 Aug 2021 01:36:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-07 00:41:49.963299
- Title: Advances in Trajectory Optimization for Space Vehicle Control
- Title（参考訳）: 宇宙車両制御のための軌道最適化の進歩
- Authors: Danylo Malyuta, Yue Yu, Purnanand Elango, Behcet Acikmese
- Abstract要約: 本報告では, 宇宙車両制御の最近の進歩, 成功, 将来的な方向性について概説する。
検討された用途には、惑星着陸、ランデブーと近接作戦、小型のボディランディング、制約された再配向、内空飛行などが含まれる。
読者は、それぞれの宇宙船制御アプリケーションにおける最先端の理解を深める。
- 参考スコア（独自算出の注目度）: 2.8557067479929152
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Space mission design places a premium on cost and operational efficiency. The
search for new science and life beyond Earth calls for spacecraft that can
deliver scientific payloads to geologically rich yet hazardous landing sites.
At the same time, the last four decades of optimization research have put a
suite of powerful optimization tools at the fingertips of the controls
engineer. As we enter the new decade, optimization theory, algorithms, and
software tooling have reached a critical mass to start seeing serious
application in space vehicle guidance and control systems. This survey paper
provides a detailed overview of recent advances, successes, and promising
directions for optimization-based space vehicle control. The considered
applications include planetary landing, rendezvous and proximity operations,
small body landing, constrained reorientation, endo-atmospheric flight
including ascent and re-entry, and orbit transfer and injection. The primary
focus is on the last ten years of progress, which have seen a veritable rise in
the number of applications using three core technologies: lossless
convexification, sequential convex programming, and model predictive control.
The reader will come away with a well-rounded understanding of the
state-of-the-art in each space vehicle control application, and will be well
positioned to tackle important current open problems using convex optimization
as a core technology.
- Abstract（参考訳）: 宇宙ミッションの設計はコストと運用効率にプレミアムを課す。
地球を超えた新しい科学と生命の探索は、地質学的に豊富だが危険な着陸地点に科学的ペイロードを届けられる宇宙船を求めている。
同時に、過去40年にわたる最適化研究によって、コントロールエンジニアの指先で強力な最適化ツールが開発された。
新しい10年に入ると、最適化理論、アルゴリズム、ソフトウェアツールが臨界質量に達し、宇宙船の誘導と制御システムに真剣な応用を見始めた。
本稿では、最適化に基づく宇宙機制御の最近の進歩、成功、有望な方向性を詳細に概観する。
考えられる用途は、惑星着陸、ランデブーおよび近接操作、小天体着陸、制限された再配向、上昇と再突入を含む大気圏内飛行、軌道移動と噴射である。
主な焦点は、過去10年間の進歩であり、損失のない凸化、シーケンシャルな凸プログラミング、モデル予測制御という、3つのコア技術を使ったアプリケーションの数が増えてきた。
読者は、それぞれの宇宙車両制御アプリケーションにおける最先端の理解を深め、凸最適化をコア技術として、現在の重要なオープンな問題に取り組むのに十分な位置にいる。
関連論文リスト
- Space for Improvement: Navigating the Design Space for Federated Learning in Satellite Constellations [0.8437187555622164]
衛星コンステレーションの設計とハードウェア対応テストプラットフォームであるFLySTacKを用いて,既存のFLアルゴリズムの空間化手法を開発した。
我々はAutoFLSatを紹介した。これは空間に対する一般化された階層的な自律的FLアルゴリズムであり、主要な代替手段よりも12.5%から37.5%のモデルトレーニング時間を短縮する。
論文 参考訳（メタデータ） (2024-10-31T23:49:36Z) - Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。
トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。
特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
論文 参考訳（メタデータ） (2024-03-21T05:57:27Z) - Optimality Principles in Spacecraft Neural Guidance and Control [16.59877059263942]
我々は、エンドツーエンドの神経誘導と制御アーキテクチャ(以下、G&CNetと呼ばれる)は、最適な原則に従って行動することの重荷をオンボードで転送できると主張している。
このようにして、センサー情報はリアルタイムで最適な計画に変換され、ミッションの自律性と堅牢性が向上する。
本稿では、惑星間移動、着陸、近接操作のシミュレーションにおいて、そのようなニューラルネットワークのトレーニングにおいて得られた主な成果について論じる。
論文 参考訳（メタデータ） (2023-05-22T14:48:58Z) - SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft
Feature Detection [0.0]
衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。
新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。
SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
論文 参考訳（メタデータ） (2023-02-02T02:11:39Z) - Low-Thrust Orbital Transfer using Dynamics-Agnostic Reinforcement
Learning [0.0]
本研究では,低推力中軌道衛星を対象としたモデルフリー強化学習を用いてエージェントを訓練する。
訓練されたエージェントは、軌道を設計し、巡航中に衛星を自律的に制御するために使用される。
論文 参考訳（メタデータ） (2022-10-06T08:36:35Z) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳（メタデータ） (2022-05-04T12:00:49Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳（メタデータ） (2021-12-10T11:49:51Z) - Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
立方体の作動限界における時間-最適軌道の計画は未解決の問題である。
四重項のアクチュエータポテンシャルをフル活用する解を提案する。
我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
論文 参考訳（メタデータ） (2021-08-10T09:26:43Z) - AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。
探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。
学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
論文 参考訳（メタデータ） (2021-03-22T13:28:56Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - Real-Time Optimal Guidance and Control for Interplanetary Transfers
Using Deep Networks [10.191757341020216]
最適な例の模倣学習は、ネットワークトレーニングパラダイムとして使用される。
G&CNETは、宇宙船の最適誘導制御システムの実装をオンボードでリアルタイムに行うのに適している。
論文 参考訳（メタデータ） (2020-02-20T23:37:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。