6.2.1 机器学习在轨控与路由中的应用

文档摘要

6.2.1 机器学习在轨控与路由中的应用 6.2.1 机器学习在轨控与路由中的应用在万物互联的星地一体化网络愿景下，低轨（LEO）巨型星座的部署已成定局。然而，当我们面对成千上万颗高速运动的卫星、瞬息万变的网络拓扑以及极其有限的星上计算资源时，传统的基于规则（Rule-based）的控制逻辑和静态路由协议正显得力不从心。作为技术专家，我们必须意识到，网络自治不再是一个可选项，而是支撑巨型星座运行的基石。在这一背景下，机器学习（ML）——特别是深度强化学习（DRL）与图神经网络（GNN）——在轨道控制与动态路由中的深度融合，正在从理论走向工程实践。轨道控制：从“地面指令”到“星上自治” 传统的卫星轨道保持（Station-keeping）主要依赖地面测控站的精密定轨与指令下发。