Yapay Zekâ ile Çoklu Uzay Çöpü Toplama Görevlerinde Verimlilik Artıyor
Yapay Zekâ ile Çoklu Uzay Çöpü Toplama Görevlerinde Verimlilik Artıyor
Takviye öğrenme tabanlı yeni bir sistem, küçük uydularla çoklu uzay çöpü toplama görevlerinde yakıt verimliliği ve çarpışma önlemede çığır açıyor.
Önemli Noktalar
- Takviye öğrenme algoritması, görev planlamasında yakıt tüketimini ve çarpışma riskini azaltıyor.
- Küçük uydularla çoklu çöp buluşmaları için uyarlanabilir çarpışma önleme mekanizması geliştirildi.
- Simülasyon sonuçları, geleneksel yöntemlere göre daha yüksek görev verimliliği gösteriyor.
Çalışmanın Detayları
Dünya çevresindeki yörüngede giderek artan uzay çöpü miktarı, aktif çöp temizleme (ADR) görevleri için büyük zorluklar yaratıyor. Yeni bir araştırmada, küçük uydular kullanılarak çoklu uzay çöpüne ulaşma görevlerinde güvenliği artırmak ve çarpışma riskini en aza indirmek için takviye öğrenme (RL) tabanlı bir çerçeve geliştirildi.
Küçük uyduların esnekliği, uygun maliyeti ve manevra kabiliyeti sayesinde dinamik ADR görevlerinde etkin bir şekilde kullanılmaları mümkün oluyor. Bu çalışma, mevcut çoklu çöp buluşma yöntemlerini temel alarak yakıt ikmali stratejilerini, görev planlamasını ve uyarlanabilir çarpışma önlemeyi entegre ediyor.
Teknik Detaylar
Önerilen sistemde, RL ajanı maskeli Proximal Policy Optimization (PPO) algoritması ile gerçek zamanlı yörünge koşullarına göre manevraları dinamik olarak ayarlayabiliyor. Yakıt verimliliği, aktif çarpışma bölgelerinden kaçınma ve yörünge parametrelerinin optimize edilmesi ana öncelikler arasında yer alıyor.
Ajan, çoklu çöp hedeflerine ulaşmak için en verimli buluşma sıralarını öğreniyor, yakıt tüketimini ve görev süresini optimize ediyor ve gerektiğinde ikmal duraklarını planlıyor. Iridium 33 enkaz veri setinden türetilen simülasyon senaryolarında, farklı yörünge yapılarına ve çöp dağılımlarına karşı sistemin dayanıklılığı test edildi.
Simülasyon Sonuçları ve Uygulamalar
Sonuçlar, RL tabanlı yaklaşımın çarpışma riskini azaltırken görev verimliliğini geleneksel sezgisel yöntemlere göre belirgin şekilde artırdığını gösteriyor. Geliştirilen bu ölçeklenebilir çözüm, otonom uzay görevlerinde çok hedefli buluşma ve görev planlama problemlerinde de uygulanabilirlik sunuyor.
Kaynak: arxiv.org