Online Inertia Tensor Identification for Non-Cooperative Spacecraft via Augmented UKF

Título: Identificação Online do Tensor de Inércia para Naves Espaciais Não Cooperativas via Filtro de Kalman Não Paramétrico (UKF) Aumentado

Autores: Batu Candan e Simone Servadio (Universidade Estadual de Iowa, EUA).

1. O Problema

As operações de proximidade autônomas, como a remoção ativa de detritos espaciais e o serviço em órbita, exigem soluções de navegação relativa de alta fidelidade que sejam robustas frente a incertezas paramétricas.

• Desafio Central: Alvos não cooperativos (especialmente os que estão girando/tumbling) frequentemente possuem propriedades de massa desconhecidas ou incertas.
• Limitação Atual: Estruturas de estimativa padrão assumem que os parâmetros de massa do alvo são conhecidos a priori. Quando esses parâmetros são desconhecidos, os propagadores baseados em modelo sofrem divergência rápida, desestabilizando os loops de controle e estimativa acoplados.
• Complexidade: Mesmo com modelos CAD pré-voo, a redistribuição de massa em órbita (uso de combustível, configurações de implantação) e a presença de componentes não modelados (como feixes de fiação) tornam os modelos iniciais imprecisos.

2. Metodologia

O artigo propõe uma arquitetura de ponta a ponta que integra navegação relativa e identificação de parâmetros inerciais.

A. Modelagem Dinâmica e Cinemática

• Dinâmica Relativa: O movimento relativo é modelado no referencial LVLH (Local Vertical, Local Horizontal) do perseguidor, acoplando a translação não linear e a rotação.
• Estado Aumentado: O vetor de estado do filtro é expandido para incluir, além dos 12 estados cinemáticos (posição, velocidade, MRPs e taxa angular), os seis elementos independentes do tensor de inércia simétrico ($\theta_J = [J_{xx}, J_{yy}, J_{zz}, J_{xy}, J_{xz}, J_{yz}]^T$) e um termo de viés de profundidade ($b$).
• Equações de Euler: A dinâmica rotacional é tratada como uma equação de Euler sem torque aparente, onde o tensor de inércia é estimado online como um estado de "passeio aleatório" (slowly-varying).

B. Simulação e Percepção

• Ambiente: Utiliza-se um ambiente de simulação de alta fidelidade baseado em Blender para o satélite ENVISAT, gerando dados síncronos de imagem e profundidade sob iluminação orbital realista.
• Sensores:
  • Visão Monocular: Um detector de pontos-chave baseado em CNN leve (TinyCornerNET) identifica cantos na imagem.
  • LiDAR: Fornece informações de profundidade para associar os cantos detectados à geometria 3D.
• Dados: O pipeline gera coordenadas de pixels, profundidade e flags de visibilidade (via ray-casting) para cada canto detectado.

C. Filtro de Kalman Não Paramétrico Aumentado (Augmented UKF)

• Por que UKF? Diferente do Filtro de Kalman Estendido (EKF), que usa linearização local, o UKF amostra pontos sigma determinísticos para propagar a média e a covariância através das funções não lineares, preservando maior precisão estatística sem a necessidade de calcular Jacobianos complexos.
• Atualização de Medida: Fusão das medidas de canto 2D e profundidade para atualizar o estado cinemático e os parâmetros inerciais.
• Adaptação Online (Contribuição Crítica):
  1. Inflação Adaptativa da Covariância de Medida: Baseada na inovação (erro de predição), ajusta dinamicamente a confiança nas medidas, penalizando dados ruidosos ou ocultos.
  2. Inflação do Ruído do Processo Guiada por Covariância Cruzada: Para evitar o colapso da covariância durante períodos de perda de medida (ex: eclipses ou oclusão severa), o filtro injeta ruído processual direcionalmente informado. Isso utiliza a covariância cruzada entre os pontos sigma antes e depois da propagação para alinhar a incerteza com as direções de crescimento real induzidas pela dinâmica, garantindo estabilidade numérica sem necessidade de janelas de tempo fixas.

3. Principais Contribuições

1. Estimativa Conjunta Online: Desenvolvimento de um framework que estima simultaneamente o estado de 6-DOF (posição e atitude) e o tensor de inércia completo de um alvo não cooperativo, sem necessidade de pré-calibração.
2. Estabilidade Numérica Robusta: Introdução de uma formulação adaptativa de ruído do processo que previne o colapso da covariância e permite a convergência gradual de parâmetros constantes, mesmo em cenários de observabilidade limitada.
3. Validação em Cenário Realista: Uso de simulações fotorealistas com renderização de oclusão e iluminação variável, superando limitações de modelos de câmera puramente matemáticos (MATLAB).

4. Resultados

Os resultados foram validados através de simulações de Monte Carlo (100 corridas) em dois cenários de inicialização:

• Cenário 1 (Priori Informado): Inicialização com conhecimento aproximado, mas incerto. O filtro convergiu rapidamente, alcançando um desvio padrão de estado estacionário inferior a 0,07% para os componentes diagonais principais.
• Cenário 2 (Inicialização Não Informativa): Inicialização com um tensor de inércia isotrópico (completamente desconhecido, sem viés).
  • Convergência: Todas as 100 corridas convergiram para os valores verdadeiros dentro de 500 segundos.
  • Precisão: O desvio padrão de estado estacionário foi inferior a 0,05% para os componentes diagonais.
  • Viés: O viés médio foi negligenciável (ordem de $10^{-5}$ a $10^{-8}$), confirmando que o estimador é assintoticamente não tendencioso mesmo partindo do pior caso.

5. Significado e Conclusão

O trabalho demonstra que é possível recuperar com precisão as propriedades físicas (massa e inércia) de um alvo não cooperativo apenas observando sua dinâmica cinemática e fusão de sensores visuais/LiDAR.

• Impacto Operacional: A capacidade de identificar a inércia online permite previsões de trajetória de longo prazo e orientação robusta para missões de remoção de detritos e serviço em órbita, onde a incerteza paramétrica é a regra, não a exceção.
• Viabilidade: A arquitetura proposta é viável para implementação a bordo (onboard), sendo computacionalmente eficiente e robusta a falhas de sensores e oclusões, eliminando a dependência de modelos CAD pré-missão que muitas vezes não refletem a realidade em órbita.

O artigo sugere trabalhos futuros focados na estimativa de massa durante excitações de propulsão conhecidas e validação experimental com protótipos de satélites em laboratório.