Space manipulators will play a substantial role in future space missions such as On-Orbit Servicing (OOS), Active Debris Removal (ADR), manufacturing, etc. However, motion planning of the free-floating base is highly complicated; due to the coupling motion between the base and the manipulator. Also, those missions are facing new challenges since targets are usually non-cooperative and tumbling. In this thesis, docking for a non-cooperative rotating target after proximity operation has been examined with a free-floating two-finger gripper system. First, two spacecraft systems, single-arm and dual-arm spacecraft, have been designed. Generalized Jacobian Matrix (GJM) is applied to describe their coupling kinematic motion. Second, a state-of-the-art DDPG algorithm is adopted for motion planning. It has an advantage over model-based algorithms because of computation time and robustness in a dynamic environment. It does not require an uncertainty boundary. This thesis suggests to consider the capture angle in motion planning, not only the distance between the end-effector and the target. Lastly, we trained the motion planning algorithm in the OpenAI gym custom environment for simulation.
우주 조작기는 근래 우주 미션들 (서비스 위성, 우주 쓰레기 제거, 제조 등)에서 중요한 역할을 할 것이다. 하지만, 부동성 몸체를 가진 우주 조작기는 몸체와 로봇 팔 간의 결합된 운동학 때문에 시스템 복잡도가 높고 비협조적인 물체와 도킹해야 한다는 새로운 난관을 겪고 있다. 이 논문은 근접 운용 이후 단계에서, 회전하는 비협조적인 물체를 잡기 위해 로봇 팔이 어떤 경로로 움직여야 할지 계획하는 알고리즘을 강화학습으로 구현하였다. 먼저, 로봇 팔을 탑재한 자유 부동체 몸체의 인공위성 시스템들을 디자인했다 (단일팔, 이중팔). 그들의 운동학적 표현을 위해 일반화된 자코비안 매트릭스 (GJM)를 적용했다. 이후 로봇 팔의 모션계획을 위해, 복잡한 시스템에서 우수한 성능을 보이는 강화학습 방법인 심층 결정적 정책 경사도 알고리즘을 사용했다. 강화학습 기반 알고리즘은 기존 모델 기반 모션계획 알고리즘과는 달리 빠른 연산속도와 동적인 환경에서 작동 가능하다는 장점이 있다. 이 논문은 모션 계획시 로봇팔 말단장치의 거리 최적화 뿐만 아니라, 도킹의 각도까지 고려할 것을 제안한다. 마지막으로, 시뮬레이션을 위해 OpenAI gym custom 환경에서 모션 계획 알고리즘 학습을 진행했다.
