冯如杯申报

关键字

• 神经网络 星座规划 NP-hard

可展示形式

• 论文、基于Unity3D构建的可视化系统

论文摘要

• 本文基于SRFS提出多头注意力神经网络星座规划方法。针对传统算法难以应对星座规模指数增长的问题，我们利用神经网络来综合各类复杂约束，较短时间内解决卫星规划问题。SRFS系统具有强实时性、可靠性等优势，可承载模型高时效性地作出反应。同时基于仿真平台 Basilisk 开发仿真场景，实现启发式算法以生成规划数据，从而训练神经网络进行星座规划；搭建Unity3D可视化系统，以便于数据筛选和多轮训练模型。

项目特色与创新点

• 本项目创新性将Transformer架构应用于星座规划，构建基于注意力机制的高效调度模型。利用Basilisk仿真平台建立多星协同动力学模型，实现复杂轨道约束下的实时推演。首创Unity3D可视化决策系统，集成三维星地动态渲染、多维数据交互筛选与沉浸式验证功能，形成”AI建模-仿真-可视化”闭环体系。突破传统工具数据维度单一、交互性差等局限，为大规模星座提供全链条智能解决方案，具备显著工程价值。

关键技术难点及解决方法

• 突破两大难点：针对星座规划NP-hard问题，采用Transformer架构，利用自注意力捕捉全局关联，在保证解质量前提下实现高效求解，较传统方法有较大提升；针对AI生成轨迹可解释性难题，基于Unity3D构建三维可视化系统，支持轨道多视角查看、方案对比及异常标记，开发人工批注接口形成”生成-审核-迭代”闭环，提升结果可靠性。通过算法优化与人机协同，兼顾规划效率与工程实用性。

与同类技术相比先进性

• 本方案创新性地应用Transformer于星座规划，通过自注意力机制并行快速求解，在近最优解质量下大幅提速。同时构建Unity3D交互平台，支持轨道数据动态渲染、多方案对比及人工批注，形成“AI生成-人工校验”闭环优化系统，突破黑箱建模局限。通过算法架构与交互模式创新，构建覆盖任务建模、智能求解、可视验证的全链条技术体系，在求解效率与人机协同上实现双突破，为大规模星座规划提供高效且可信的新范式。

市场应用前景

• 本方案面向商业卫星及国防遥感领域，AI加速规划提升响应速度，满足灾害监测等时效需求。Unity3D可视化系统突破传统工具数据壁垒，支持农业、城市等民用场景应用。适配中低轨卫星，支持百星规划，较商业软件节省硬件成本。全球在轨遥感卫星逾千颗，年新增超300颗，系统在规划效率与人机协同优势显著，可拓展至卫星物联网、空间态势感知等新兴领域，市场潜力突出。

目前取得的理论

• IAC2024 oral一篇

• IEEE Aerospace and Electronic Systems Magazine在投一篇

• NeurIPS 2025 在投一篇