[论文解读] Autonomous Rendezvous with Non-cooperative Target Objects with Swarm Chasers and Observers

Trupti Mahendrakar, Steven Holmberg+5 more|arXiv (Cornell University)|Jan 22, 2023

Space Satellite Systems and Control被引用 6

一句话总结

本文提出MARVIN系统，该系统基于视觉与人工势场，实现了无人机蜂群对非合作空间目标的自主协同交会。通过机器视觉与人工势场引导，系统在佛罗里达理工学院ORION设施的软硬件协同测试中，成功实现三架无人机在无目标先验知识或合作条件下的自主导航，精准、安全地与移动的卫星模拟器交会。

ABSTRACT

Space debris is on the rise due to the increasing demand for spacecraft for com-munication, navigation, and other applications. The Space Surveillance Network (SSN) tracks over 27,000 large pieces of debris and estimates the number of small, un-trackable fragments at over 1,00,000. To control the growth of debris, the for-mation of further debris must be reduced. Some solutions include deorbiting larger non-cooperative resident space objects (RSOs) or servicing satellites in or-bit. Both require rendezvous with RSOs, and the scale of the problem calls for autonomous missions. This paper introduces the Multipurpose Autonomous Ren-dezvous Vision-Integrated Navigation system (MARVIN) developed and tested at the ORION Facility at Florida Institution of Technology. MARVIN consists of two sub-systems: a machine vision-aided navigation system and an artificial po-tential field (APF) guidance algorithm which work together to command a swarm of chasers to safely rendezvous with the RSO. We present the MARVIN architec-ture and hardware-in-the-loop experiments demonstrating autonomous, collabo-rative swarm satellite operations successfully guiding three drones to rendezvous with a physical mockup of a non-cooperative satellite in motion.

研究动机与目标

• 为应对空间碎片日益增长的威胁，实现对非合作空间碎片（RSOs）的自主在轨服务与离轨。
• 开发一种可扩展的自主解决方案，用于与缺乏主动控制或合作特征的目标交会。
• 在真实、软硬件协同的环境中，演示基于视觉辅助导航与势场引导的协同蜂群操作。
• 减少对地面控制的依赖，实现在近距离操作期间的实时自主决策。

提出的方法

• MARVIN集成了一套基于机器视觉的导航系统，可实时检测并跟踪非合作目标物体。
• 人工势场（APF）引导算法计算出安全、无碰撞的飞行轨迹，供每架追踪无人机使用。
• 系统融合多架无人机的视觉数据，无需先验知识即可估计目标的位置、速度与姿态。
• 分布式控制架构使蜂群能够协调运动，每架无人机根据相对位姿与势场力调整自身路径。
• 在ORION设施通过物理卫星模拟器运动的方式，进行了软硬件协同测试，以模拟在轨条件。
• 系统实时运行，以高频处理视觉输入并更新控制指令，以维持安全接近状态。

实验结果

研究问题

• RQ1 仅依靠视觉与势场引导，无人机蜂群能否实现对非合作、非倾斜卫星模拟器的安全且精确的交会？
• RQ2 基于视觉的系统在无合作标记或先验知识的情况下，能否有效估计非合作目标的状态？
• RQ3 在动态目标的近距离操作中，多无人机蜂群能够实现何种水平的协调与避碰能力？
• RQ4 机器视觉与人工势场的集成如何提升实时操作中对不确定性和测量噪声的鲁棒性？
• RQ5 该系统能否在无外部干预的软硬件协同环境中实现自主运行？

主要发现

• MARVIN系统成功引导三架无人机在软硬件协同测试环境中，自主交会于一个移动的卫星模拟器。
• 机器视觉系统实时准确估计了目标的位置与运动，实现了无需目标先验知识的可靠导航。
• 人工势场算法在高相对运动下仍能有效避免碰撞，同时引导蜂群向目标前进。
• 与单架追踪器相比，协同蜂群方法展现出更高的鲁棒性与更快的收敛速度。
• 系统在多次测试中均实现实时运行且性能稳定，验证了其在轨应用的可行性。
• 结果证实，基于视觉辅助与蜂群的交会方法适用于在轨服务与碎片清除任务。