跳到正文
arXiv · 机器人与计算机视觉· Hanmin Li, Tao Wang, Shuangliang Liu, Zhe Zhang, Maodeng Li·· 6 天前AI 评分48

PCM-PPO 方法实现土星探测器自主任务规划

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

AI 导读

针对土星探测极端环境,该方法提出物理约束掩蔽近端策略优化(PCM-PPO)以实现自主任务规划。研究建立土星特定离散马尔可夫决策过程并融入系统动力学与几何模型,通过物理约束动作掩码构建可行决策域以规避不可行探索。对比、消融及不确定性实验验证了该方案在资源受限下的有效性,为深空探测提供了可行且可解释的自主规划路径。

来源:arXiv · 机器人与计算机视觉 · arxiv.org