English(EN) Satellite Trajectory Optimization via Proximal Policy Optimization for Space Debris Avoidance

AI代理在太空模拟中实现97.5%的碰撞规避率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-11 04:00

研究人员开发了一种使用近端策略优化（PPO）的强化学习策略，以自主规避太空碰撞。这种新方法旨在解决由巨型星座引起的轨道拥堵日益严重的问题。在模拟中，PPO代理实现了97.5%的碰撞规避成功率，显著优于传统的基于规则和冲量Delta-v规划器。 AI

影响这项研究可能带来更自主、更安全的卫星运行，这对于管理日益增长的轨道拥堵至关重要。

排序理由详细介绍一种新的用于卫星碰撞规避的强化学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Logan Luna (Georgia Institute of Technology), Juan Ortiz Couder (Embry-Riddle Aeronautical University), Raul Alejandro Vargas-Acosta (Embry-Riddle Aeronautical University) · 2026-08-11 04:00

利用近端策略优化进行卫星轨道优化以规避空间碎片

arXiv:2608.09628v1 Announce Type: new Abstract: Collision avoidance systems are commonly used to avoid fragmentation events occurring in Low-Earth Orbit (LEO) and Geosynchronous Equatorial Orbit (GEO). However, these events have been growing in frequency as orbital congestion wor…