دانلود مقاله انگلیسی رایگان:یادگیری تقویتی عمیق برای فرود سیاره ای شش درجه آزادی - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Deep reinforcement learning for six degree-of-freedom planetary landing Deep reinforcement learning for six degree-of-freedom planetary landing
    Deep reinforcement learning for six degree-of-freedom planetary landing

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Deep reinforcement learning for six degree-of-freedom planetary landing


    ترجمه فارسی عنوان مقاله:

    یادگیری تقویتی عمیق برای فرود سیاره ای شش درجه آزادی


    منبع:

    Sciencedirect - Elsevier - Advances in Space Research, 65 (2020) 1723-1741. doi:10.1016/j.asr.2019.12.030


    نویسنده:

    Brian Gaudet a, Richard Linares b,⇑, Roberto Furfaro a


    چکیده انگلیسی:

    This work develops a deep reinforcement learning based approach for Six Degree-of-Freedom (DOF) planetary powered descent and landing. Future Mars missions will require advanced guidance, navigation, and control algorithms for the powered descent phase to target specific surface locations and achieve pinpoint accuracy (landing error ellipse <5 m radius). This requires both a navigation system capable of estimating the lander’s state in real-time and a guidance and control system that can map the estimated lander state to a commanded thrust for each lander engine. In this paper, we present a novel integrated guidance and control algorithm designed by applying the principles of reinforcement learning theory. The latter is used to learn a policy mapping the lander’s estimated state directly to a commanded thrust for each engine, resulting in accurate and almost fuel-optimal trajectories over a realistic deployment ellipse. Specifically, we use proximal policy optimization, a policy gradient method, to learn the policy. Another contribution of this paper is the use of different discount rates for terminal and shaping rewards, which significantly enhances optimization performance. We present simulation results demonstrating the guidance and control system’s performance in a 6-DOF simulation environment and demonstrate robustness to noise and system parameter uncertainty.
    Keywords: Reinforcement learning | Mars landing | Integrated guidance and control | Artificial intelligence | Autonomous maneuvers


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 19
    حجم فایل: 1798 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi