Deep reinforcement learning approach for the estimation of the impact probability in planetary protection analysis

Spacecraft returns to Earth or impacts with other celestial bodies represent critical scenarios when designing interplanetary missions. In addition, close approaches of asteroids with the Earth shall be analysed to detect collision risks. To tackle these issues, Planetary Protection requirements have been set by space agencies and accurate impact probability estimation methods have been developed. Among them, Monte Carlo method is the most renowned one, because of its simplicity and preciseness. Because of its heavy computational load, Advanced Monte Carlo methods have been applied in recent years, reducing computational cost without losing accuracy, but none of them can nd a description of the critical region bounding the impacting conditions. In this thesis, an analytical expression of such a region is proposed to further reduce the computational cost. An algorithm that implements the functioning principles of Monte Carlo and Advanced Monte Carlo techniques is created. Speci cally, the analytical description of the critical region involves a Deep Reinforcement Learning approach, based on state-of-the-art n-dimensional ellipsoid tting methods. Planetary Protection requirements are not respected in this dissertation; single close approach cases are studied, as they are su cient to test the algorithm. Nevertheless, the same method could be extended to meet the Planetary Protection requirements, by increasing the simulation time interval and detailing the impact condition evaluation in multiple close encounters scenarios. So, the algorithm is tested on both Planetary Protection and Defence test cases. In particular, the accuracy variation of the proposed algorithm with the number of uncertainty dimensions is analysed. Properly elaborated covariance matrices are introduced to Solar Orbiter spacecraft close approach with Venus and 2013 GM3 asteroid close encounter with Earth. This thesis is part of the COMPASS project: "Control for orbit manoeuvring by surfing through orbit perturbations" (Grant agreement No 679086). This project is European Research Council (ERC) funded project under the European Union's Horizon 2020 research (www.compass.polimi.it).

La possibilità che un satellite ritorni verso la Terra o impatti con altri corpi celesti rappresenta uno scenario critico quando si progettano missioni interplanetarie. Inoltre, incontri ravvicinati di asteroidi con la Terra richiedono di essere analizzati per rilevare il rischio di collisioni. Per affrontare tutti questi casi, le agenzie spaziali hanno stabilito dei requisiti di protezione planetaria, per verificare i quali sono stati sviluppati metodi di stima della probabilità di impatto. Tra di essi, il metodo Monte Carlo è il più apprezzato, grazie alle sue semplicità e precisione. Dato il suo eccessivo costo computazionale, metodi di Monte Carlo Avanzato sono stati applicati in anni recenti, riducendo i tempi di calcolo senza perdere accuratezza, ma nessuno di essi riesce a fornire una descrizione della superficie che riveste la zona critica delle condizioni che portano ad impatti. In questa tesi, un'espressione analitica di tale regione è proposta per ridurre ulteriormente il costo computazionale. Un algoritmo che impiega i princìpi di funzionamento delle tecniche di Monte Carlo e Monte Carlo Avanzato è creato. Nello specifico, la descrizione analitica della regione critica coinvolge un approccio di Apprendimento per Rinforzo Profondo, basato su metodi di modellazione di ellissoidi n-dimensionali provenienti dallo stato dell'arte. I requisiti di protezione planetaria non sono rispettati in questa tesi; vengono studiati casi di incontri ravvicinati singoli, siccome sono sufficienti a testare l'algoritmo. In ogni caso, lo stesso metodo potrebbe essere esteso per soddisfare tali requisiti, tramite l'aumento dell'intervallo di propagazione e raffinando la valutazione delle condizioni di impatto in caso di incontri ravvicinati multipli. Dunque, l'algoritmo è testato su casi di protezione planetaria e di difesa planetaria. In particolare, la variazione di accuratezza dell'algoritmo proposto rispetto al numero delle dimensioni di incertezza è analizzata. Matrici di covarianza adeguatamente costruite sono associate agli incontri ravvicinati del satellite Solar Orbiter con Venere e dell'asteroide 2013 GM3 con la Terra. Questa tesi è parte del progetto COMPASS: "Control for orbit manoeuvring by surfing through orbit perturbations" (Grant agreement No 679086). Questo progetto è finanziato dal Consiglio Europeo della Ricerca (ERC) nell'ambito della ricerca dell'Unione Europea Horizon 2020 (www.compass.polimi.it).