燃料スロッシング抑制を考慮した宇宙ロボット制御のためのMPCベース深層強化学習手法

- 部分充填燃料タンクを搭載した衛星の自律ドッキングのための、Reinforcement Learning (RL) と Model Predictive Control (MPC) を統合した制御フレームワーク - 対象は微小重力下での fuel sloshing（燃料スロッシング）が生む外乱を含むドッキング制御 - Proximal Policy Optimization (PPO) と Soft Actor-Critic (SAC) を MPC と組み合わせる - 平面安定化の実験と 6-DOF ドッキングの数値シミュレーションで検証

- 従来のドッキング制御は微小重力下の fuel sloshing による予測困難な力で安定性が損なわれる課題があった - 本研究は MPC の予測能力を RL 訓練の加速と制御ロバスト性向上に活用 - 結果として SAC-MPC が standalone RL や PPO-MPC を上回るドッキング精度・成功率・制御努力の低減を示す - 燃料効率と外乱耐性を両立する点が先行手法との差分として主張されている

- RL アルゴリズム（PPO, SAC）と MPC を統合する枠組みが肝 - MPC の予測能力を利用して RL の訓練を加速し、制御のロバスト性を高める - SAC-MPC と PPO-MPC を構成し、standalone RL と比較可能な設計 - fuel sloshing ダイナミクスを含む 6-DOF ドッキング問題に適用 - 詳細な結合方法や報酬設計は要旨からは不明

- Zero-G Lab of SnT における平面安定化実験で検証 - fuel sloshing ダイナミクスを含む 6-DOF ドッキングの高忠実度数値シミュレーションで検証 - シミュレーション結果で SAC-MPC が高いドッキング精度、高い成功率、低い制御努力を示し、standalone RL と PPO-MPC を上回った - 実験の詳細条件や評価指標の定義は要旨からは不明

- SAC-MPC が PPO-MPC や standalone RL より優れると報告されている - 燃料効率と外乱耐性の向上により on-orbit refueling や servicing ミッションの実現性向上に寄与すると主張 - 実験は平面安定化に限定され、6-DOF は数値シミュレーション検証である点は要旨記載の範囲 - 実機軌道上検証や sloshing モデル誤差の影響、計算負荷などは要旨からは不明

- 要旨で比較対象として挙げられている PPO-MPC および standalone の Proximal Policy Optimization (PPO) / Soft Actor-Critic (SAC) 関連研究 - Model Predictive Control (MPC) を用いた宇宙機制御・ドッキング制御の研究 - fuel sloshing を扱う宇宙機ダイナミクス/制御の研究 - on-orbit refueling / servicing ミッション向け自律ドッキング研究 - 要旨に個別論文の参照はないため、上記は関連手法・分野の一般名として挙げる