[[435329]]

本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

馬斯克旗下的SpaceX可以說帶火了“火箭回收”這一話題。

這不，連粉絲們都已經(jīng)開始摩拳擦掌，用自己的方式挑戰(zhàn)起了這個技術(shù)難題。

例如一位來自密歇根大學的華人博士，就用強化學習試了一把回收火箭！

他根據(jù)現(xiàn)實中的星艦10號一通進行模擬，還真在虛擬環(huán)境中穩(wěn)穩(wěn)地完成了懸停和著陸！

這個項目迅速在Reddit上引發(fā)了大批網(wǎng)友們的關(guān)注：

那么，他是如何實現(xiàn)的呢？

給火箭回收設(shè)立“獎勵機制”

要在模擬環(huán)境中回收火箭，那么大一只構(gòu)造復雜的火箭肯定是不能直接抱來用的。

于是，這位SpaceX的鐵桿粉絲首先基于氣缸動力學，將火箭簡化為一個二維平面上的剛體：

這個火箭的底部安裝有推力矢量發(fā)動機，能夠提供不同方向的可調(diào)的推力值（0.2g，1.0g和2.0g）；同時，火箭噴嘴上還增加了一個角速度約束，最大轉(zhuǎn)速為30°/秒。

火箭模型所受到的空氣阻力則設(shè)定為與速度成正比。

現(xiàn)在，這個模型的一些基本屬性就能夠以下面兩個集合來表示：

• 動作空間：發(fā)動機離散控制信號的集合，包括推力加速度和噴嘴角速度
• 狀態(tài)空間：由火箭位置、速度、角度、角速度、噴管角度和仿真時間組成的集合

而“火箭回收”這一流程，則被分為了懸停和著陸兩個任務(wù)。

在懸停任務(wù)中，火箭模型需要遵循這樣一種獎勵機制：

1. 火箭與預定目標點的距離：距離越近，獎勵越大；
2. 火箭體的角度：火箭應(yīng)該盡可能保持豎直

著陸任務(wù)則基于星艦10號的基本參數(shù)，將火箭模型的初始速度設(shè)置為-50米/秒，方向設(shè)置為90°（水平方向），著陸燃燒高度設(shè)置為離地面500米。

△星艦10號發(fā)射和著陸的合成圖像

火箭模型在著陸時同樣需要遵循這樣一種“獎勵機制”：

當著陸速度小于安全閾值，并且角度接近豎直0°時，就會受到最大的“獎勵”，也會被認為是一次成功的著陸。

總體而言，這是一個基于策略的參與者-評判者的模型。

接下來就是進行訓練：

最終，在經(jīng)歷了20000次的訓練后，火箭模型在懸停和著陸兩個任務(wù)上都實現(xiàn)了較好的效果：

最終，模型得到了很好的收斂效果：

而這枚模擬環(huán)境中的偽·星艦10號，也就像開頭展示的那張動圖一樣，學會了腹部著陸，穩(wěn)穩(wěn)地落地了。

下一步：增加燃料變量

這一項目一經(jīng)發(fā)出，就引來了紅迪眾多網(wǎng)友的圍觀和稱贊。

有人覺得用強化學習來解決傳統(tǒng)任務(wù)非常有趣，因為它具有更好的魯棒性。

作者也在下方回復表示：現(xiàn)實中惡劣的環(huán)境條件可以成為環(huán)境制約因素，而強化學習則能在一個統(tǒng)一的框架內(nèi)解決這些問題。

不過在稱贊之余，也有網(wǎng)友提出了最直接的這樣一個問題：

既然我們已經(jīng)可以使用經(jīng)典控制方法找到這些任務(wù)的最優(yōu)解，那為啥SpaceX之前沒人做？

下方有人解答到：這或許是因為之前的數(shù)字控制系統(tǒng)、傳感器等技術(shù)并不成熟，采用新方法就意味著要重新設(shè)計火箭的關(guān)鍵部分。

這也就是控制系統(tǒng)層面之外的“工程類的問題”，而SpaceX正是在這些相關(guān)領(lǐng)域中做了改進。

而那些較為傳統(tǒng)保守的航天航空工業(yè)則會使用使用凸優(yōu)化（Convexification）來解決火箭著陸問題。

也就是評論區(qū)有人貼出的這篇論文中提到的方法：

不少評論也為開發(fā)者提供了下一步開發(fā)的新思路，比如這條評論建議將“剩余燃料”也作為一個變量，模型燃料的減少或耗盡也是現(xiàn)實中的一個重要影響因素。

作者欣然接受了這一建議：是很容易添加的有趣設(shè)置，安排！

密歇根大學華人博士

開發(fā)者已經(jīng)為這一項目建立了一個網(wǎng)站，在主頁他這樣介紹到：

這是我的第一個強化學習項目，所以，我希望通過這些“低水平代碼”盡可能地從頭實現(xiàn)包括環(huán)境、火箭動力學和強化學習agent在內(nèi)的所有內(nèi)容。

作者叫Zhengxia Zou，是一位來自密歇根大學博士，主要研究計算機視覺、遙感、自動駕駛等領(lǐng)域。

他的論文曾被 ICCV 2021、CVPR 2021等多個頂會收錄：

下載鏈接：
https://github.com/jiupinjia/rocket-recycling

項目主頁：
https://jiupinjia.github.io/rocket-recycling/