本研究提出了一种基于深度强化学习的masked PPO算法，用于优化太空碎片会合任务的规划效率。通过优化碎片访问顺序，任务总时间比遗传算法和贪婪算法分别减少约10.96%和13.66%。这一创新为太空碎片清除任务提供了新思路。

本研究提出了一种自主检测模型，利用计算机视觉技术解决太空碎片和非活跃卫星对在轨飞行器安全构成威胁的问题。该模型能适应不同距离和环境条件，提高检测准确性和可靠性。

该文提出了一个新的通用框架，用于识别可能相互关联的系统，并提供多步预测的准确性。该框架引入了基于反向传播的多步损失函数梯度计算的分析递归算法，直接为学习算法提供物理和结构洞察力。该方法被测试用于从状态观测开始估计太空碎片的惯性矩阵。