Risk-aware beam search for safe autonomous small bodies mapping

This thesis addresses the multiple observation optimization problem during proximity operations around Small Bodies, where a spacecraft must efficiently acquire data from specific surface points in environments characterized by complex dynamics and limited computational resources. The work applies graph optimization theory to model the problem, converting observation points into nodes and potential transfers between them into edges within a directed graph structure. The graph structure computes connections between nodes using differential correction with Lambert solutions as initial guesses. To ensure robustness, edge validation integrates uncertainty propagation, providing observation reliability and passive safety during potential Missed Thrust Events. For solving this optimization problem, this work implements a modified beam search that explores the solution space by retaining only the most promising candidates (defined by beam width parameter) at each search level. This approach uses specialized heuristics to create a dual-level architecture balancing local trajectory optimization with global mission efficiency. The cost function integrates both mission duration and fuel consumption as optimization criteria. Parametric analysis across 200 statistical samples demonstrates a positive correlation between beam width and solution quality. Computational performance analysis on these samples using Raspberry Pi 3B+ hardware establishes precise quantitative relationships between processing time and beam width and confirming that this graph-based approach provides a robust, computationally efficient framework for autonomous trajectory planning in resource-constrained Small Bodies missions.

Questa tesi affronta il problema dell’ottimizzazione di osservazioni multiple durante operazioni di prossimità intorno a Corpi Minori, dove un veicolo spaziale deve acquisire efficientemente dati da punti specifici della superficie in ambienti caratterizzati da dinamiche complesse e risorse computazionali limitate. Il lavoro applica la teoria dell’ottimizzazione su grafi per modellare il problema, convertendo le aree di osservazione in nodi e i potenziali trasferimenti tra esse in archi all’interno di una struttura di grafo diretto. La struttura del grafo calcola le connessioni tra i nodi utilizzando correzione differenziale con arco di Lambert come soluzione di primo tentativo. Per garantire robustezza, gli archi del grafo vengono validati incorporando la propagazione dell’incertezza, fornendo affidabilità di osservazione e sicurezza passiva durante potenziali manovre mancate. Per risolvere questo problema di ottimizzazione, la tesi implementa una versione modificata dell’algoritmo beam search che esplora selettivamente lo spazio delle soluzioni mantenendo solo i candidati più promettenti (definiti dal parametro di beam width) ad ogni livello di ricerca. Questo approccio utilizza euristiche specializzate per creare un’architettura a due livelli che bilancia l’ottimizzazione della traiettoria locale con l’efficienza globale della missione. La funzione di costo integra sia la durata della missione che il consumo di carburante come criteri di ottimizzazione. L’analisi parametrica su 200 campioni statistici dimostra una correlazione positiva tra beam width e la qualità della soluzione, rivelando intervalli ottimali. L’analisi delle prestazioni computazionali su questi campioni utilizzando Raspberry Pi 3B+ stabilisce relazioni quantitative precise tra il tempo di elaborazione e beam width, confermando che questo approccio basato su grafi fornisce un framework robusto ed efficiente dal punto di vista computazionale per la pianificazione autonoma della traiettoria in missioni su Corpi Minori con risorse limitate.