Orbit-Planner：面向卫星智能体在轨避障的潜世界模型
Orbit-Planner: Towards Latent World Models for On-Orbit Obstacle Avoidance of Satellite Agents
浏览论文内容
中文总结 AI 辅助
该研究针对卫星在轨避障问题，提出两阶段潜世界模型Orbit-Planner，结合动作条件动力学与物理探测器，在Isaac Sim闭环避障任务中获91.7%成功率，提升了动态场景适应性。
中文摘要 AI 辅助
用于在轨导航任务的卫星智能体需利用有限的星上观测数据预测碰撞风险。然而，传统规划器常依赖预定义地图和固定环境假设，限制了其在动态在轨场景中的适应性。本文提出Orbit-Planner，一种用于在轨避障的两阶段潜世界模型。该模型学习动作条件下的航天器动力学，在潜空间中执行未来状态回滚，并引入物理探测器从想象的潜轨迹中解码物理状态变化。实验表明，Orbit-Planner可执行长 horizon 潜回滚并从想象轨迹中恢复物理状态，在Isaac Sim中的闭环避障导航任务中，其成功率达91.7%，代码可在指定网址获取。
英文摘要
Satellite agents for on-orbit navigation tasks need to predict collision risks using limited onboard observations. However, conventional planners often rely on predefined maps and fixed environmental assumptions, limiting their adaptability in dynamic on-orbit scenarios. In this paper, we propose Orbit-Planner, a two-stage latent world model for on-orbit obstacle avoidance. Orbit-Planner learns action-conditioned spacecraft dynamics to perform future-state rollouts in latent space, and introduces a Physics Probe to decode physical state changes from imagined latent trajectories. Experiments demonstrate that Orbit-Planner can perform long-horizon latent rollouts and recover physical states from imagined trajectories. In closed-loop obstacle-avoidance navigation in Isaac Sim, it attains a success rate of 91.7%. Code is available at https://github.com/ZhijianLi2003/Orbit_Planner.
发表机构
- Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院）
- School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院）
- University of Chinese Academy of Sciences（中国科学院大学）
机构由 AI 辅助整理，请以论文原文为准。
