Buchumschlag

Optimal Multi-Debris Mission Planning in LEO: A Deep Reinforcement Learning Approach with Co-Elliptic Transfers and Refueling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bandyopadhyay, Agni, Waxenegger-Wilfing, Gunther
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Robotics Space Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimizing Mission Planning for Multi-Debris Rendezvous Using Reinforcement Learning with Refueling and Adaptive Collision Avoidance
von: Bandyopadhyay, Agni, et al.
Veröffentlicht: (2026)

Evaluating Robustness and Adaptability in Learning-Based Mission Planning for Active Debris Removal
von: Bandyopadhyay, Agni, et al.
Veröffentlicht: (2026)

Revisiting Space Mission Planning: A Reinforcement Learning-Guided Approach for Multi-Debris Rendezvous
von: Bandyopadhyay, Agni, et al.
Veröffentlicht: (2024)

Federated Learning-driven Beam Management in LEO 6G Non-Terrestrial Networks
von: Bartsioka, Maria Lamprini, et al.
Veröffentlicht: (2026)

Adaptive PCA-Based Outlier Detection for Multi-Feature Time Series in Space Missions
von: Ekelund, Jonah, et al.
Veröffentlicht: (2025)

LLMSat: A Large Language Model-Based Goal-Oriented Agent for Autonomous Space Exploration
von: Maranto, David
Veröffentlicht: (2024)

Towards a Machine Learning-Based Approach to Predict Space Object Density Distributions
von: Rodriguez-Fernandez, Victor, et al.
Veröffentlicht: (2024)

Forecasting Thermospheric Density with Transformers for Multi-Satellite Orbit Management
von: Bös, Cedric, et al.
Veröffentlicht: (2025)

Unified Orbit-Attitude Estimation and Sensor Tasking Framework for Autonomous Cislunar Space Domain Awareness Using Multiplicative Unscented Kalman Filter
von: Paul, Smriti Nandan, et al.
Veröffentlicht: (2026)

Current state of the multi-agent multi-view experimental and digital twin rendezvous (MMEDR-Autonomous) framework
von: Banker, Logan, et al.
Veröffentlicht: (2026)

Space Environment and Debris: A Review of Micro-Meteoroids and Orbital Debris Impact Protection
von: Sharma, Binkal Kumar, et al.
Veröffentlicht: (2025)

Prediction of Geoeffective CMEs Using SOHO Images and Deep Learning
von: Alobaid, Khalid A., et al.
Veröffentlicht: (2025)

Hypervelocity Impact Debris Cloud Trajectory-Planning based on Additive Manufactured Lattice Structures
von: Zheng, Bilin, et al.
Veröffentlicht: (2025)

Pretrained Approximators for Low-Thrust Trajectory Cost and Reachability
von: Zhang, Zhong, et al.
Veröffentlicht: (2026)

Forecasting Local Ionospheric Parameters Using Transformers
von: Alford-Lago, Daniel J., et al.
Veröffentlicht: (2025)

Probabilistic Forecasting of Radiation Exposure for Spaceflight
von: Gurav, Rutuja, et al.
Veröffentlicht: (2024)

CAM-NET: An AI Model for Whole Atmosphere with Thermosphere and Ionosphere Extension
von: Hu, Jiahui, et al.
Veröffentlicht: (2025)

PARIS: Pruning Algorithm via the Representer theorem for Imbalanced Scenarios
von: Camporeale, Enrico
Veröffentlicht: (2025)

An Interpretable Machine Learning Approach to Understanding the Relationships between Solar Flares and Source Active Regions
von: Cavus, Huseyin, et al.
Veröffentlicht: (2025)

Deep Learning Based Dynamics Identification and Linearization of Orbital Problems using Koopman Theory
von: Nehma, George, et al.
Veröffentlicht: (2024)

Dashing for the Golden Snitch: Multi-Drone Time-Optimal Motion Planning with Multi-Agent Reinforcement Learning
von: Wang, Xian, et al.
Veröffentlicht: (2024)

Nowcasting Solar Energetic Particle Events for Mars Missions
von: Löwe, Jan Leo, et al.
Veröffentlicht: (2025)

Deterministic and probabilistic neural surrogates of global hybrid-Vlasov simulations
von: Holmberg, Daniel, et al.
Veröffentlicht: (2026)

Graph-based Neural Space Weather Forecasting
von: Holmberg, Daniel, et al.
Veröffentlicht: (2025)

Online Planning for Multi-UAV Pursuit-Evasion in Unknown Environments Using Deep Reinforcement Learning
von: Chen, Jiayu, et al.
Veröffentlicht: (2024)

Sim-to-Real Transfer of Deep Reinforcement Learning Agents for Online Coverage Path Planning
von: Jonnarth, Arvi, et al.
Veröffentlicht: (2024)

An Imitative Reinforcement Learning Framework for Pursuit-Lock-Launch Missions
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Quantum Deep Reinforcement Learning for Robot Navigation Tasks
von: Hohenfeld, Hans, et al.
Veröffentlicht: (2022)

Magnetic Field Data Calibration with Transformer Model Using Physical Constraints: A Scalable Method for Satellite Missions, Illustrated by Tianwen-1
von: Li, Beibei, et al.
Veröffentlicht: (2024)

Accelerated Airfoil Design Using Neural Network Approaches
von: Patel, Anantram, et al.
Veröffentlicht: (2025)

Scalable Machine Learning Analysis of Parker Solar Probe Solar Wind Data
von: Martin, Daniela, et al.
Veröffentlicht: (2025)

Mission-driven Exploration for Accelerated Deep Reinforcement Learning with Temporal Logic Task Specifications
von: Wang, Jun, et al.
Veröffentlicht: (2023)

Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable Machine Learning
von: Kasapis, Spiridon, et al.
Veröffentlicht: (2024)

Learning to Recharge: UAV Coverage Path Planning through Deep Reinforcement Learning
von: Theile, Mirco, et al.
Veröffentlicht: (2023)

Deciphering Solar Cycle Influence on Long-Term Orbital Deterioration of Low-Earth Orbiting Space Debris
von: Ashruf, Ayisha M, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning with Dynamic Graphs for Adaptive Informative Path Planning
von: Vashisth, Apoorva, et al.
Veröffentlicht: (2024)

A Self-Supervised Framework for Space Object Behaviour Characterisation
von: Groves, Ian, et al.
Veröffentlicht: (2025)

Language Models are Spacecraft Operators
von: Rodriguez-Fernandez, Victor, et al.
Veröffentlicht: (2024)

Enhancing Solar Driver Forecasting with Multivariate Transformers
von: Sanchez-Hurtado, Sergio, et al.
Veröffentlicht: (2024)

Architectural Discovery of a Resonant Cometary Debris Torus in the TIC 40975646 System
von: Bhattacharya, Spandan
Veröffentlicht: (2026)