GRIP-MAPPO：面向下行链路受限低轨遥感调度任务的可行性保持图关系插入偏好学习

《Remote Sensing》：GRIP-MAPPO: Feasibility-Preserving Graph-Relational Insertion-Preference Learning for Downlink-Constrained LEO Remote-Sensing Scheduling

　　

低地球轨道（LEO）遥感星座的在线调度须协调短时观测窗口、序列相关的姿态机动、有限的星上资源、间歇性地面站接触以及滚动指令提交。本研究针对一种获取驱动、下行链路受限的观测问题展开研究，其中保留的观测承载主要任务价值，而生成的数据须在传输前保持可存储状态。该建模面向以观测为中心的任务场景，下行链路用于保持存储可行性与未来获取能力；对于具有显式交付价值或时延要求的任务，可将下行完成量与交付时延直接纳入目标函数。核心难点在于后缀依赖性可行性：单一局部有吸引力的插入操作可能通过改变后续机动裕度、资源水平与下行机会级联引发下游不可行。研究人员提出图关系插入偏好多智能体近端策略优化（Graph-Relational Insertion-Preference Multi-Agent Proximal Policy Optimization, GRIP-MAPPO），一种可行性保持的学习型调度框架，包含关系感知的卫星-任务-地面编码器、输出有界插入偏好矢量的轨道分组执行器，以及通过插入、修复与回滚强制执行硬约束的确定性调度器。因此，GRIP-MAPPO学习调度偏好而非直接的任务、卫星或窗口分配，同时硬约束满足保留在可审计的调度器接口中。24-288颗卫星及六种运行模式下的受控基准仿真表明，GRIP-MAPPO在模拟环境中相比贪心、启发式与基于图神经网络的在线基线提升了观测完成度与传输数据占比，同时在参考规模下保持亚秒级重规划延迟。

本研究面向低地球轨道遥感星座在线调度中观测窗口短暂、姿态机动序列相关、星上资源有限、下行链路间歇可用及滚动指令提交受限等多重耦合约束，聚焦获取驱动且下行链路受限的观测调度问题，旨在解决后缀依赖性可行性这一核心难题，即局部最优插入可能通过改变后续机动裕度、资源水平和下行机会导致级联不可行。研究人员提出GRIP-MAPPO框架，将学习任务价值排序偏好与硬约束分离保障相结合，实现可审计的学习型调度接口。该论文发表于《Remote Sensing》。

研究所用关键技术方法包括：基于公开CelesTrak星历数据与SGP4兼容轨道传播器生成观测时间窗口（OTW），采用ESA/NAIF ESTRACK框架构建包含12个地面站的地面网络以生成传输时间窗口（TTW）；构建包含卫星-卫星协调边、卫星-任务OTW多边边、任务-任务冲突边和卫星-地面TTV边的异构多重图表示，通过关系感知图注意力编码器处理；设计轨道分组的多智能体近端策略优化（MAPPO）执行器，输出八维有界偏好矢量（含利润、紧迫性、成像质量、能量成本、存储/下行压力、负载均衡权重及接受阈值、资源预留裕度）；构建确定性可行性保持调度器，通过候选排序、插入验证、有界下行修复、重复覆盖消除、后缀资源传播与最终C1-C10审计保障硬约束满足。

研究结果显示：在六种运行模式的学习动态方面，GRIP-MAPPO在所有工况下均达到最高归一化回合回报，在平衡工况和观测竞争工况中优势适中，在下行瓶颈、资源紧张、通信不确定性和紧急组合应力下优势显著扩大；关系特定编码在约束更严格的工况下价值更为突出，向量状态MAPPO因缺乏关系消息传递学习较慢，同构图MAPPO虽优于向量基线但仍低于GRIP-MAPPO。在参考规模调度性能方面，288颗卫星平衡工况下，GRIP-MAPPO相比最早截止期优先（EDF）算法加权观测完成度（WOC）提升23.3个百分点，相比同构图MAPPO提升5.4个百分点，同时保持亚秒级在线重规划时间；其传输数据占比（TDF）提升源于显式编码卫星-地面关系、存储压力和下行感知资源项。在多种运行应力下的鲁棒性方面，GRIP-MAPPO在所有六种工况中均保持最高WOC和TDF，下行瓶颈工况（S3）下WOC达80.9%、TDF达73.1%，紧急组合应力工况（S6）下优势进一步扩大至16.2个WOC点和13.9个TDF点。在24至288颗卫星的可扩展性方面，GRIP-MAPPO在线重规划时间仅为贪心算法2-3倍、远低于长时预算大规模邻域搜索（LNS）数个数量级，288颗卫星S6工况下WOC达64.6%而per-epoch运行时间为2.33秒。在消融研究方面，移除关系类型化导致S1、S3、S6分别损失5.4、10.3、16.2个WOC点；移除卫星-地面/下行边对S1影响有限但显著降低S3和S6的TDF；禁用有界下行修复使S3的TDF从73.1%降至42.5%、S6从64.8%38.0%；替换轨道分组执行器也损害性能，尤其在S6中。后训练坐标敏感度分析表明，存储/下行压力和预留裕度对S3和S6的TDF影响最大，紧迫性对S6的WOC影响最大。在传输约束敏感度分析中，GRIP-MAPPO随传输应力增加性能衰减最慢，与同构图MAPPO的差距从名义工况5.4点扩大至严重工况12.9点。小规模标定方面，与CP-SAT/MILP参考相比，6颗卫星工况目标值差距在3.9-5.4%以内，完整48时段滚动耗时最多4.1秒。核心超参数敏感度分析确认，默认资源配置阈值ρ_max和图密度乘数μ在 observation completion 与资源保护、调度质量与运行速度之间取得平衡。

研究结论指出：GRIP-MAPPO通过将神经网络约束于低维偏好学习、将硬约束满足保留在确定性调度器中，实现了无需将约束满足转移给神经网络的质量提升；该方法专为在线质量-运行时间权衡设计，在保持贪心构造量级运行时间的同时逼近甚至超过长时预算搜索参考；下行感知组件在观测选择与存储 relief 耦合时最为关键。研究同时说明，该框架面向获取驱动地球观测调度，交付驱动任务可将下行完成直接纳入目标；实验基于公开数据锚定的确定性基准而非专有的指令历史回放或飞行验证活动；更高保真度的轨道、链路、姿态、功率或热模型可在提供确定性OTW、TTW、过渡时间、速率和资源传播条件下替代简化组件；方法不具备完备性或全局最优性，图截断、贪心排序和有界修复可能排除长时精确或邻域搜索可发现的机会。未来工作将纳入更高保真度模型，并探索策略蒸馏或代理模型近似等可解释轻量表示以支持资源受限的星上部署。具体结论为：本研究提出GRIP-MAPPO，一种面向下行链路约束LEO遥感星座滚动范围调度的可行性保持学习引导框架，将观测任务保留为价值承载任务请求，同时显式跟踪星上观测数据、TTV传输、年龄加权未传输 backlog、能量与存储传播、地面站信道竞争和滚动指令提交；轨道分组执行器仅输出八维有界偏好矢量，所有传输状态量均为接受操作序列的确定性函数；结构可行性结果表明，在正确传播和验证修改条件下，任何有界神经动作要么产生可行序列、要么导致不可行候选被拒绝；在24-288颗卫星案例和六种运行模式中，GRIP-MAPPO在保持重规划时间处于贪心构造小常数倍因子的同时，提升了WOC、TDF和UTC；消融与敏感度结果进一步表明，关系特定图编码、卫星-地面/下行边、轨道分组执行器和有界下行修复对下行和紧急应力下的鲁棒性至关重要。