spaceФизика влияет
на результат
Движение, ориентация, питание и температура участвуют в выполнении операций. Состав механик выбирается конфигурацией, а не подразумевается одинаковым для всех аппаратов.
Изучить физику ↗ SPACE MISSION ENVIRONMENTS FOR AI v0.134.0
Моделируйте
миссии.
Обучайте интеллект.
Спутники. Группировки. Автономные решения.
Постройте свой мир космических операций — и обучайте агентов действовать в нём.
PYTHON NATIVEGYMNASIUM + PETTINGZOORL / SFT DATA
CONSTELLATION VIEW01 — 03 / EARTH
01 / OBSERVATIONНаблюдать.○
02 / INTER-SATELLITE LINKВзаимодействовать.↗
+От физики аппарата
до стратегии группировки.ILLUSTRATIVE VIEW · NOT TO SCALE
до стратегии группировки.ILLUSTRATIVE VIEW · NOT TO SCALE
ИЛЛЮСТРАЦИЯ · НЕ NATIVE RUNTIME
THE DECISION LOOP
01Наблюдение
↗02Решение агента
↗03Физическое исполнение
↗04Проверяемый опыт
ОРБИТЫ И ОРИЕНТАЦИЯ+БОРТОВЫЕ РЕСУРСЫ+СВЯЗЬ И ДОСТАВКА+ОБУЧЕНИЕ АГЕНТОВ
01 / СРЕДА РЕШЕНИЙВся миссия.
Вся миссия.
В одном пространстве решений.
Хорошая орбита ещё не означает выполненную задачу. Агенту нужно вовремя снять цель, обработать продукт, выбрать маршрут и получить подтверждение доставки — с ограниченным зарядом и общими наземными ресурсами.
Физика влияет
Группировка работает
как система
Несколько аппаратов, роли, межспутниковая передача и наземные терминалы. Совместные решения исполняются на одной временной шкале.
Как устроен MARL ↗Данные сохраняют
историю решений
Native replay проверяет переходы. RL/SFT-экспорт сохраняет происхождение политики; синтетический сценарий не выдаётся за реальный полёт или экспертную демонстрацию.
От миссии к датасету ↗02 / ПОСТАНОВКИ ЗАДАЧОтдельные действия.
Отдельные действия.
Связанные последствия.
Исследуйте типовые задачи. Ниже — схема реализованных механик, а не запущенный в браузере симулятор.
EO → CPU → ISL → GROUND ACKЗапустить пример →
Снимок — это только начало.
Аппарат получает данные, обрабатывает их на борту и передаёт через ретранслятор. Результат засчитывается после наземного подтверждения, а не после отправки первого фрагмента.
РешенияСъёмка, CPU, маршрут, передача
ОграниченияЭнергия, память, TTL, контакт
01 / SAT-AНаблюдениеRaw product
↓02 / ONBOARDОбработкаCPU + energy + scratch memory
↓03 / SAT-BРетрансляцияCustody + fragments + TTL
↓04 / GROUNDПодтверждениеFulfilled request
MISSION CONTROL / ВНУТРИ ПРОЕКТАУвидеть систему.
Увидеть систему.
Управлять миссией.
Аппараты на орбите, наземные трассы, доступные команды и история исполнения — в едином пульте оператора и агента.
Исследовать Mission Control ↗
03 / ОБЩИЙ ИСПОЛНИТЕЛЬРазные агенты.
Разные агенты.
Одинаковые правила мира.
Новый task-слой использует MissionRuntime. SDK, Gymnasium, PettingZoo и структурированные инструменты обращаются к одному механизму выполнения; legacy Gym-среды остаются отдельным слоем.
PYTHON SDKGYMNASIUMPETTINGZOOSTRUCTURED TOOLS
TASK SESSION → MISSION RUNTIMEНаблюдение → решение → native step
Причинные наблюдения · роли и маски · проверка допуска · единое физическое время
ФИЗИЧЕСКОЕ СОСТОЯНИЕНАГРАДА И ДИАГНОСТИКАCHECKPOINT / REPLAYRL / SFT EXPORT
04 / ПРОВЕРЯЕМОСТЬКаждое решение
Каждое решение
можно проверить.
Мы разделяем программную корректность, инженерную применимость и независимую физическую валидацию. Число тестов само по себе не делает модель цифровым двойником.
Заявки в relay smoke
Синтетическая EO→CPU→ISL→Ground ACK миссия: 10 решений, restart, передача управления, replay и экспорт.
Reference-тест пройден
Регрессионный профиль на срезе v0.134.0. Дополнительно: 56 operator/durable, 5 legacy API и 110 fast; наборы пересекаются.
Модуль в проверенном wheel
Побайтовое совпадение с исходниками. Installed smoke вне checkout использовал system-site-packages; это не clean-room квалификация.
От конфигурации
до обучающего эпизода.
Запустите готовый пример, проверьте воспроизводимость и замените задачу своей. Сначала понятная физическая постановка — затем масштабирование обучения.
Открыть руководство ↗