论文提出轨道博弈仿真环境OrbitalGym

Duncan Eddy、Mahdi Al-Husseini 和 Mykel J. Kochenderfer 在 arXiv 预印本中提出基于 JAX 的轨道博弈仿真环境 OrbitalGym，可编译为批处理 GPU 代码，大规模并行评估策略。该环境支持不同数量的智能体、位置/速度/姿态/燃料等状态表示、显式或隐式通信，以及近距或锥形视场传感器。 作者用 PD、LQR、模型预测路径积分控制和蒙特卡洛树搜索，在推力与推进剂比例、初始间距、博弈时长、传感器能力和捕获定义等条件下比较。作者称，在追逃场景中，推进剂比例决定多数遭遇：对六种逃逸策略中的五种，追方策略仅在 90 种能力配置中的至多 15 种里使捕获概率变化达到 10% 以上；在 lady-bandit-guard 场景中策略影响更大，面对能抵达资产的 bandit，更好的守卫策略在 90 种配置中的 56 至 74 种里使防御概率至少提高 10%。 上述结果来自仿真，为预印本，尚未经同行评议或独立验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。