Receding-horizon guidance and control around an unknown non-cooperative spacecraft for deep learning based 3D Reconstruction

Autonomous close-proximity operations around non-cooperative spacecraft are increasingly required for inspection, servicing, and debris-related missions. In these scenarios, guidance and control must trade propellant usage and conservative safety margins against high-level mission objectives. When inspection relies on optical sensing, challenges become inherently correlated: the spacecraft must generate meaningful and informative viewpoints while maintaining high camera-pointing quality, thus requiring full 6-DOF motion with coupled translation and attitude. This is especially critical when the collected imagery is intended to support deep learning based 3D reconstruction, where viewpoint diversity and controlled overlap directly affect reconstruction completeness and consistency. To enable reconstruction-driven inspection, this work proposes an onboard, receding-horizon guidance and control architecture that explicitly couples relative motion regulation with mapping objectives and promotes a uniform, non-redundant viewpoints distribution. A coverage memory defined on a spherical tessellation tracks exploration progress, while a lightweight high-level planner selects the next viewing direction by maximizing expected coverage improvement and penalizing control effort. At the lower level, a constrained 6-DOF model predictive controller generates feasible translational and attitude trajectories based on Clohessy–Wiltshire–Hill relative translational dynamics and a successively linearized rotational model, while preserving favourable imaging conditions. End-to-end simulations with high-fidelity orbital propagation and robust model validation demonstrate dynamically feasible inspection trajectories, sustained progress toward uniform coverage completion, and image sets that enable deep learning reconstruction. Overall, the proposed framework enables mapping-oriented autonomy for inspection missions around non-cooperative targets under realistic operating conditions.

Le close-proximity operations autonome attorno a veicoli spaziali non cooperativi sono sempre più richieste per missioni di ispezione, servizio e gestione dei detriti. In questi scenari, la guida e il controllo del satellite devono bilanciare consumo di propellente e margini di sicurezza con gli obiettivi di missione. Quando l’ispezione si basa su sensori ottici, le difficoltà diventano intrinsecamente correlate: il satellite deve essere in grado di generare punti di vista informativi mantenendo al contempo un’elevata qualità di orientamento della camera, richiedendo quindi un moto a 6 gradi di libertà in cui traslazione e assetto vengono accoppiati. Ciò è particolarmente critico quando le immagini acquisite devono supportare una ricostruzione 3D attraverso metodi di deep learning, per la quale la diversità delle viste influenza direttamente la completezza e la coerenza della ricostruzione. Questo lavoro propone un’architettura di guida e controllo a receding-horizon che unisce la regolazione del moto relativo con gli obiettivi di mappatura del target, promuovendo una distribuzione delle direzioni di vista uniforme e non ridondante. I progressi di esplorazione vengono monitorati da un indicatore di copertura definito su una tassellazione sferica attorno al target, mentre un pianificatore seleziona la direzione di osservazione successiva massimizzando l’incremento di copertura atteso e penalizzando il controllo richiesto. Un controllore MPC a 6 gradi di libertà genera le traiettorie ammissibili, includendo sia moto traslazionale, sfruttando le equazioni di Clohessy--Wiltshire--Hill, che assetto, tramite linearizzazioni successive. Attraverso delle simulazioni, basate su un'accurata propagazione orbitale e comprese di validazione del modello adottato, vengono generate traiettorie dinamicamente consistenti, che presentano un progresso con crescita regolare verso la copertura uniforme del target e la creazione di set di immagini idonei a supportare la ricostruzione 3D. Nel complesso, la struttura proposta fornisce un metodo per l'ispezione autonoma di target non cooperativi in scenari operativi realistici.