Towards autonomous collaboration in heterogeneous satellite systems using machine learning.
Els Sistemes de Satèl·lit Federats (FSS), un tipus de Sistemes de Satèl·lit Distribuïts (DSS), permeten que satèl·lits heterogenis col·laborin i comparteixin recursos no utilitzats —com ara oportunitats d’enllaç descendent (_downlink_), emmagatzematge a bord, temps de processament i fins i tot nodes intermitents per a la comunicació d’extrem a extrem. Aquesta cooperació pot millorar el rendiment de les missions existents i donar suport a la creació de missions virtuals, permetent una millor adaptació a les creixents demandes i requisits sense necessitat de desplegar constel·lacions addicionals (similar a la computació al núvol).
El principal repte de l’FSS rau a permetre una col·laboració eficient entre aquests satèl·lits heterogenis, que són operats per diferents proveïdors i experimenten finestres de comunicació intermitents. Els protocols d’encaminament tradicionals (_routing protocols_) tenen dificultats en aquest entorn a causa dels alts temps de convergència, la limitada adaptabilitat a topologies dinàmiques i condicions de trànsit, les dependències de la Terra i els esforços de coordinació de les parts interessades.
En canvi, els protocols d’encaminament basats en Aprenentatge Automàtic (ML) estan guanyant interès en aquest context com una alternativa per donar suport a decisions autònomes. Tot i que poden oferir solucions subòptimes, són inherentment més escalables, adaptatius i rendibles. Específicament, els protocols d’encaminament basats en Aprenentatge per Reforç (RL) per a xarxes LEO han demostrat un rendiment superior als mètodes tradicionals. Aquest treball es proposa estendre les estratègies d’encaminament basades en RL al paradigma FSS, permetent una presa de decisions més autònoma i rendible a través d’una topologia de xarxa dinàmica amb enllaços entre satèl·lits intermitents.
Contribuir a la definició d’un protocol d’encaminament per ser aplicat en el context de l’FSS, caracteritzat per un entorn altament dinàmic i heterogeni, amb nodes amb recursos limitats. Per aconseguir aquest objectiu, la tesi s’estructura al voltant dels següents objectius:
