李林峰，解永春

北京控制工程研究所，北京 100190

1 引言

随着人类的太空探索从地球轨道走向深空区域，对航天器的自主性需求显著增加。空间机器人操作利用空间机器人辅助、代替宇航员完成各类操作任务，是提升航天器自主性的重要手段。当前，基于遥操作、人在环路的空间机器人操作能够执行低地球轨道的操作任务(例如空间站内部、空间站外围的维修、装配、辅助对接[1]等)，并具备一定的自主性。但对于不确定性更强的高轨、深空环境，由于通信时延大、轨道动力学不确定性强等因素，难以实现高自主、强鲁棒的任务规划与执行。提高空间机器人的自主学习能力是解决上述问题的有效手段。

近年，深度神经网络与强化学习、模仿学习等方法的交叉在提高系统自主性与鲁棒性方面初见成效。目前，无论是空间机器人操作，还是一般的地面机器人操作，多数工作围绕独立执行、短时间范围的单一任务学习问题开展研究。例如：文献[2]利用深度确定性策略梯度[3]算法和人工示教的结合，学习了机械臂插销入洞任务；文献[4]利用置信域策略优化[5]算法在四足机器人平台ANYmal上分别实现了步态规划和翻倒恢复的自主学习；文献[6]利用近端策略优化[7]算法实现了Shadow五指灵巧手翻滚立方块的学习。

但是，空间机器人操作面临的工况通常是多任务的，上述单一任务学习算法很难用于解决空间机器人操作问题。特别地，空间机器人操作的典型特征包括：