Apr, 2024
缩小差距:通过神经 ODE 优化引导和控制网络
Closing the gap: Optimizing Guidance and Control Networks through Neural ODEs
Sebastien Origer, Dario Izzo
TL;DR改进了导航和控制网络(G&CNETs)的准确性,通过利用包含在常微分方程(ODE)右侧的神经网络来描述空间飞行器动力学,并使用变分方程计算 ODE 对网络参数的敏感性来更新 G&CNET 参数,最终证明了该方法对轨道传输和着陆问题的准确性有显著提高。