多機関マルチビュー実験およびデジタルツイン・ランデブー（MMEDR-Autonomous）フレームワークの現状
arXiv cs.RO / 2026/3/24
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、整備（サービシング）、デブリ除去、軌道変更といったミッションに対し、より信頼性の高い自律的な軌道上ランデブーおよびドッキングを支援するMMEDR-Autonomousフレームワークを提案する。
- その手法は、学習ベースの光学航法システム（マルチスケール特徴融合を備え、現実的な拡張による学習でドメインシフトを低減する軽量な単眼姿勢推定ネットワーク）と、現在も開発中の強化学習（RL）に基づく誘導アプローチを組み合わせる。
- 誘導に関する取り組みは、ミッションに関連する制約の下で、報酬設計を慎重に行い、体系的なハイパーパラメータ調整を実施することで学習の安定性を向上させることに焦点を当てている。
- 安全性および制約処理のために、著者らはクロネッシー＝ウィルトシャー（Clohessy-Wiltshire）ダイナミクスに対する従来のコントロール・バリア関数（CBF）の結果を見直し、それがフレームワーク内での今後の非線形コントローラ設計にどのように影響するかを概説している。
- 本フレームワークは、ハードウェア・イン・ザ・ループのテストベッドによって支えられており、多機関ランデブーのシナリオにおける統合的な実験検証へ向けて進展している。
