用于自主机载会合评估和防撞的原型基础设施 Austin Probe、Graham Bryan、Tim Woodbury、Evan Novak Emergent Space Technologies, Inc. Shiva Iyer、Apoorva Karra 和 Moriba Jah 博士 德克萨斯大学奥斯汀分校 摘要 我们正在努力构建一个可扩展的自主会合评估和避免原型基础设施。这包括一个地面枢纽,用于同步来自操作员的状态信息和计划机动并识别潜在的会合,以及用于自主评估和避免碰撞的机载飞行软件。这项工作将作为 NASA STMD 飞行实验的一部分在 2023 年进行。 1. 简介 会合评估 (CA) 是运行卫星安全的最重要组成部分之一,由于低地球轨道任务和星座的激增,其重要性不断增加。当与集群或星座的自主机动相结合时,难度和复杂性会增加,当此类系统开始与其他自主机动系统交互时,难度和复杂性会进一步增加。由于许多大型自主星座(如 SpaceX Starlink、Amazon Kuiper 和其他商业提供商)以及 SDA 和 MDA 计划在未来十年部署的持久 LEO 星座,找到可扩展的解决方案是实现太空可持续性的关键。
摘要。斯皮策太空望远镜在地球尾随太阳的轨道上运行了 16 年多,不仅返回了大量的科学数据,而且作为副产品,还返回了航天器和仪器工程数据,这些数据将引起未来任务规划人员的兴趣。这些数据将特别有用,因为斯皮策在与 L2 拉格朗日点基本相同的环境中运行,未来许多天体物理任务都将在 L2 拉格朗日点运行。特别是,斯皮策展示的辐射冷却已被其他红外太空任务采用,从 JWST 到 SPHEREx。我们旨在通过将更独特和潜在有用的部分收集到一个易于访问的出版物中来促进斯皮策工程数据的实用性。我们避免讨论不那么独特的系统,例如电信、飞行软件和电子系统,也不讨论斯皮策团队发起的任务和科学操作创新。这些和其他可能感兴趣的项目在本文附录中提供的参考文献中进行了介绍。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 International 许可证发布。分发或复制本作品的全部或部分内容需要完全注明原始出版物的出处,包括其 DOI。[DOI:10.1117/1.JATIS.8.1.014002]
强化学习(RL)是一个高度适应性的框架,用于在广泛的问题领域中产生自主代理。虽然RL已成功地应用于高度复杂的现实世界系统,但大量文献研究了抽象和理想化的问题。尤其是航天器任务领域的情况,在这种情况下,即使是传统的预备方法也倾向于使用高度简化的航天器动力学和操作模型。当在全面模拟中测试简化的方法时,它们通常会导致保守的解决方案,这些解决方案是不可行的次优或侵略性解决方案。因此,需要高保真的航天器仿真环境来评估基于RL的和其他任务算法。本文介绍了BSK-RL,BSK-RL是一种开源Python软件包,用于为航天器任务问题创建和自定义加固学习环境。它结合了Basilisk(一种高速和高保真的航天器仿真框架)与RL环境的标准体育馆API包装器中的卫星任务和操作目标的抽象相结合。该软件包旨在满足RL和航天器操作研究人员的需求:环境参数易于重现,可自定义和随机化。环境是高度模块化的:可以指定卫星状态和操作空间,可以定义任务目标和奖励,并且可以配置卫星动力学和飞行软件,并隐式地引入操作限制和安全限制。可以为考虑沟通和协作的更复杂的任务场景而创建异质的多机构环境。使用包装的培训和部署用于具有资源限制的地球观察卫星。
Maria Demaree 是洛克希德马丁太空特别项目副总裁兼总经理,其职责重点是为关键的国家安全太空应用提供高性能系统和创新概念。她负责多个复杂的开发项目、运营和维护合同以及研发工作。她在立法和行政部门内为记录项目、与业务内容相关的政策以及后续架构的未来方向提供倡导。此前,Demaree 女士曾担任洛克希德马丁太空公司任务解决方案副总裁兼总经理。担任此职务期间,她负责 4,500 名员工和每年超过 17 亿美元的销售基础,为政府国防和情报机构提供支持。Mission Solutions 提供创新的企业、云和基于应用程序的解决方案,用于任务管理、指挥和控制、收集编排和任务分配、处理和数据分析,以及关键任务太空项目的首要运营和维持。此前,Demaree 女士曾担任洛克希德马丁公司太空系统公司的工程、任务系统和运营副总裁。在该职位上,她负责矩阵管理和领导 5,000 名工程师,参与从卫星地面系统和飞行软件到详细任务分析和运营的项目。她之前曾担任洛克希德马丁公司信息系统和全球解决方案的任务系统总监。此外,Demaree 女士还曾在洛克希德马丁公司企业业务服务部担任企业桌面服务总监。她负责洛克希德马丁服务台、统一通信(电子邮件、移动服务和网络广播);桌面服务和 SharePoint 实施,拥有 700 多名矩阵员工和 9000 万美元的年度预算。在 Lockheed Martin Space,Demaree 女士一直是软件定义卫星架构、联合全域作战、软件工厂和数字化转型、远程劳动力计划以及太空 5G 追求方面的思想领袖。她领导了关键举措:LM 公司从黑莓到 iPhone 的移动转型;陆军全球指挥和控制系统从红色到绿色的关键领导角色;以及 4,100 名员工转入 LM Space 组织。Demaree 女士毕业于宾夕法尼亚州立大学,获得计算机科学学士学位,毕业于宾夕法尼亚大学,获得系统工程硕士学位。Demaree 女士是 LM 公司高管包容委员会成员、太空女性影响力网络 (WIN) 主席、Zeta 董事会主席和国家太空安全协会董事会成员。她是“美国小儿麻痹基金会”科技女英雄终身成就奖获得者,并被评为 2018 年 FedScoop 科技界顶尖女性。
I. 简介 用于精确和安全着陆的制导、导航和控制 (GN&C) 技术对于未来机器人科学和载人探索太阳系各个目的地的任务至关重要。这些进入、下降和着陆 (EDL) 技术是美国宇航局精确着陆和危险规避 (PL&HA) 领域的一部分,被认为是空间技术发展路线图 [1] 的高优先级能力,旨在促进和实现新的任务概念。SPLICE 项目,即安全精确着陆 - 综合能力演进 [2],致力于持续开发传感器、算法和航空电子设备,以用于未来的月球着陆任务。具体来说,SPLICE 正在完善着陆器下降过程中的地形相对导航 (TRN) 和危险检测与规避 (HDA) 的传感器硬件和软件的技术就绪水平 (TRL)。 SPLICE 的所有工作主要基于 NASA 先前在 PL&HA 领域的项目,例如 ALHAT [ 3 – 6 ]、COBALT [ 7 – 10 ] 和 LVS [ 11 ],其中包括多年的传感器开发工作 [12–15] 和各种亚轨道飞行测试。SPLICE 是一套用于精确着陆的 GN&C 技术。表 1 中列出的各个组件可以单独飞行,也可以作为着陆器承载的集成有效载荷飞行。NASA 兰利研究中心开发的导航多普勒激光雷达 (NDL) 提供厘米级的精确速度和测距。NASA 戈达德太空飞行中心开发的危险探测激光雷达 (HDL) 可生成预定着陆目标周围区域的高分辨率数字高程图 (DEM)。 TRN 系统包括摄像头、机载地图和 TRN 算法,这些算法由查尔斯·斯塔克·德雷珀实验室公司为 SPLICE 项目开发和实施 [16]。NASA 喷气推进实验室开发的危险检测算法基于参考文献 [17] 中概述的 ALHAT 算法,并进行了一些修改,以便与新型高清激光雷达 DEM 配合使用并在新型下降和着陆计算机 (DLC) 上运行。约翰逊航天中心开发的 DLC 是一种新型航空电子设备设计,正在开发中,以利用高性能航天计算 (HPSC) 处理器 [18, 19]。随着用于 TRN 和 HDA 的 GN&C 硬件和软件的不断成熟,该项目还在开发高精度模拟环境,包括带有 DLC 的硬件在环 (HWIL) 测试平台和一些在环传感器模拟器。此外,SPLICE 正在对机器人和载人任务的 EDL 架构进行详细建模 [ 20 , 21 ],以确定未来需求,揭示现有技术差距,并推动传感器技术发展,使即将到来的任务受益,例如 NASA 的 Artemis 和商业着陆器有效载荷服务 (CLPS) 计划。图 1 是主机飞行器上 SPLICE 有效载荷的高级示意图。TRN 和 HDA 的图像处理需要大量计算,因此 DLC 的设计旨在通过处理大部分视觉导航算法来减轻主飞行计算机的负担。在 DLC 上运行的飞行软件利用 NASA 核心飞行