用于Astrobee自由飞行器的基于学习的轨迹优化的飞行验证

本研究旨在解决太空应用中轨迹优化计算需求高的问题，通过首次在国际空间站上进行的实验，展示了机器学习如何加速机载轨迹优化，同时保持理论求解器的保证。研究采用了GuSTO序贯凸编程框架，并利用离线训练的神经网络将问题参数映射到有效的初始“热启动”轨迹，为资源受限的空间平台提供了更快的实时优化路径。