标签
本文探讨了深度强化学习在航天器高超声速再入期间姿态控制中的应用。研究表明，最先进的强化学习和混合控制器能够优于采用增益调度的传统PID控制器，尤其是在使用动力学随机化来增强鲁棒性和泛化能力时。
Met-Shield 是一个开源再入模拟器，利用物理信息神经网络（PINN）预测航天器隔热罩上的热梯度，并集成到C++ WebAssembly引擎中，实现实时浏览器运行。该项目旨在提高相对于传统求解器的鲁棒性，但在高热通量阶段存在收敛问题。