PulseAugur
实时 11:09:17
English(EN) Optimality-Informed Neural Networks for Lunar Landing Trajectory Optimization

新型神经网络优化月球着陆器轨迹

研究人员开发了一种新颖的最优性感知神经网络(OINN)方法,用于优化月球着陆器在动力下降过程中的轨迹。该方法将最优性的必要条件,如庞特里亚金最小原理和Hamilton-Jacobi-Bellman方程,直接硬编码到网络架构中。OINN方法与独立求解的边值问题和蒙特卡洛模拟进行了测试,结果显示出高度一致性,且残差始终很小,表明其在计算成本固定的情况下具有实时部署的潜力。 AI

影响 这项研究可能为航天器带来更高效、更可靠的自主着陆系统。

排序理由 该集群包含一篇研究论文,详细介绍了一种新的轨迹优化方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型神经网络优化月球着陆器轨迹

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhenbo Wang ·

    Optimality-Informed Neural Networks for Lunar Landing Trajectory Optimization

    arXiv:2607.02741v1 Announce Type: cross Abstract: This paper develops an Optimality-Informed Neural Network (OINN) approach for the energy-optimal, free-final-time powered descent of a lunar lander from any initial position, velocity, and mass within a bounded operating envelope …