ПОГЛИБЛЕНЕ НАВЧАННЯ ВИВАЛЕННЯ КОСМІЧНОГО СМІТТЯ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2023.01.076Ключові слова:
глибоке навчання, видалення космічного сміття, навчання з підкріпленням, згорточні нейронні мережі.Анотація
Досягнення глибокого навчання зробили революцію в галузі штучного інтелекту. Ці досягнення, а також нові завдання та вимоги до дослідження космосу призвели до підвищеного інтересу до цих методів глибокого навчання серед космічних вчених і практиків. Проблеми керування орієнтацією та відносним рухом космічних кораблів розглядаються як для традиційних, так і для нових місій, таких як безконтактне видалення космічного сміття. Для вирішення таких завдань використовується як навчання під керівництвом, так і навчання з підкріпленням на основі різних архітектур штучних нейронних мереж, у тому числі згорткових. Проаналізовано можливість використання глибинного навчання разом із методами теорії управління для більш ефективного вирішення розглянутих завдань. Виділено труднощі, які обмежують застосування цих методів для космічних застосувань. Вказано необхідні напрямки досліджень для вирішення цих проблем.
Посилання
Khoroshylov S.V., Redka M.O. (2021) Deep learning for space guidance, navigation, and control. Space Science and Technology. 27, № 6 (133), 38-52.
Khoroshylov S. (2020) Relative control of an ion beam shepherd satellite in eccentric orbits. Acta Astronautica, 176, 89–98.
Redka M.O., Khoroshylov S.V, (2022) Determination of the force impact of an ion thruster plume on an orbital object via deep learning. Space Science and Technology. 28, № 5 (138), 15-26.
Khoroshylov S.V., Redka M.O. (2019). Intelligent spacecraft control using reinforcement learning. Technical Mechanics, 4, 29-43.
Khoroshylov S.V., Redka M.O. (2020). Relative control of an underactuated spacecraft using reinforcement learning. Тechnical Mechanics, 4, 43-54
