用扩散模型学习航天器轨道搜索的最优控制与动力学结构。
Learning Optimal Control and Dynamical Structure of Global Trajectory Search Problems with Diffusion Models
- 用扩散模型建模轨道搜索的条件概率分布。
- 成功捕捉最小燃料/飞行时间及能量依赖不变流形转移的结构特征。
- 适合对航天轨迹优化与生成模型交叉研究者参考。
航天器轨道设计是全局搜索问题，先前研究揭示了可由数据驱动方法捕捉的特定解结构。本文探讨圆型限制性三体问题中的两个全局搜索问题：最小燃料/飞行时间混合代价函数，以及向能量依赖不变流形的转移。这些问题在最优控制剖面或动力学结构使用上表现出基本结构特征。我们基于先前的生成式机器学习框架，应用扩散模型学习该搜索问题的条件概率分布，并分析模型捕捉这些结构的能力。
原文摘要 · Abstract (English)
Spacecraft trajectory design is a global search problem, where previous work has revealed specific solution structures that can be captured with data-driven methods. This paper explores two global search problems in the circular restricted three-body problem: hybrid cost function of minimum fuel/time-of-flight and transfers to energy-dependent invariant manifolds. These problems display a fundamental structure either in the optimal control profile or the use of dynamical structures. We build on our prior generative machine learning framework to apply diffusion models to learn the conditional probability distribution of the search problem and analyze the model's capability to capture these structures.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。