华人博士回收了虚拟版SpaceX火箭，项目现已开源

　　马斯克旗下的 SpaceX 可以说带火了＂火箭回收＂这一话题。
　　这不，连粉丝们都已经开始摩拳擦掌，用自己的方式挑战起了这个技术难题。
　　例如一位来自密歇根大学的华人博士，就用强化学习试了一把回收火箭！
　　他根据现实中的星舰 10 号一同进行模拟，还真在虚拟环境中稳稳地完成了悬停和着陆 ！
　　这个项目迅速在 Reddit 上引发了大批网友们的关注：
　　那么，他是如何实现的呢？给火箭回收设立＂奖励机制＂
　　要在模拟环境中回收火箭，那么大一只构造复杂的火箭肯定是不能直接抱来用的。
　　于是，这位 SpaceX 的铁杆粉丝首先基于气缸动力学，将火箭简化为一个二维平面上的刚体：
　　这个火箭的底部安装有推力矢量发动机，能够提供不同方向的可调的推力值（0.2g，1.0g 和 2.0g）；同时，火箭喷嘴上还增加了一个角速度约束，最大转速为 30°/秒。
　　火箭模型所受到的空气阻力则设定为与速度成正比。
　　现在，这个模型的一些基本属性就能够以下面两个集合来表示：
　　动作空间：发动机离散控制信号的集合，包括推力加速度和喷嘴角速度
　　状态空间：由火箭位置、速度、角度、角速度、喷管角度和仿真时间组成的集合
　　而＂火箭回收＂这一流程，则被分为了悬停和着陆 两个任务。
　　在悬停任务中，火箭模型需要遵循这样一种奖励机制：
　　火箭与预定目标点的距离：距离越近，奖励越大；
　　火箭体的角度：火箭应该尽可能保持竖直。
　　着陆任务则基于星舰 10 号的基本参数，将火箭模型的初始速度设置为-50 米/秒，方向设置为 90°（水平方向），着陆燃烧高度设置为离地面 500 米。
　　▲星舰 10 号发射和着陆的合成图像
　　火箭模型在着陆时同样需要遵循这样一种＂奖励机制＂：
　　当着陆速度小于安全阈值，并且角度接近竖直 0° 时，就会受到最大的＂奖励＂，也会被认为是一次成功的着陆。
　　总体而言，这是一个基于策略的参与者-评判者的模型。
　　接下来就是进行训练：
　　最终，在经历了 20000 次的训练 后，火箭模型在悬停和着陆两个任务上都实现了较好的效果：
　　最终，模型得到了很好的收敛效果：
　　而这枚模拟环境中的伪・星舰 10 号，也就像开头展示的那张动图一样，学会了腹部着陆，稳稳地落地了。下一步：增加燃料变量
　　这一项目一经发出，就引来了红迪众多网友的围观和称赞。
　　有人觉得用强化学习来解决传统任务非常有趣，因为它具有更好的鲁棒性（Robust 的音译，也就是健壮和强壮的意思，指在异常和危险情况下系统生存的能力）。
　　作者也在下方回复表示：现实中恶劣的环境条件可以成为环境制约因素，而强化学习则能在一个统一的框架内解决这些问题。
　　不过在称赞之余，也有网友提出了最直接的这样一个问题：
　　既然我们已经可以使用经典控制方法找到这些任务的最优解，那为啥 SpaceX 之前没人做？
　　下方有人解答到：这或许是因为之前的数字控制系统、传感器等技术并不成熟，采用新方法就意味着要重新设计火箭的关键部分。
　　这也就是控制系统层面之外的＂工程类的问题＂ ，而 SpaceX 正是在这些相关领域中做了改进。
　　而那些较为传统保守的航天航空工业则会使用使用凸优化（Convexification）来解决火箭着陆问题。
　　也就是评论区有人贴出的这篇论文中提到的方法：
　　不少评论也为开发者提供了下一步开发的新思路，比如这条评论建议将＂剩余燃料＂也作为一个变量，模型燃料的减少或耗尽也是现实中的一个重要影响因素。
　　作者欣然接受了这一建议：是很容易添加的有趣设置，安排！
　　密歇根大学华人博士
　　开发者已经为这一项目建立了一个网站，在主页他这样介绍到：
　　这是我的第一个强化学习项目，所以，我希望通过这些＂低水平代码＂尽可能地从头实现包括环境、火箭动力学和强化学习 agent 在内的所有内容。
　　作者叫 Zhengxia Zou，是一位来自密歇根大学博士，主要研究计算机视觉、遥感、自动驾驶等领域。
　　他的论文曾被 ICCV 2021、CVPR 2021 等多个顶会收录：
　　下载链接：
　　https://github.com/jiupinjia/rocket-recycling
　　项目主页：
　　https://jiupinjia.github.io/rocket-recycling/
　　参考链接：
　　https://www.reddit.com/r/MachineLearning/comments/qt2tws/pr_rocketrecycling_with_reinforcement_learning/